提高政务微博舆论引导力的必要性及对策

微博的特点决定了政府要提高政务微博的舆论引导力,在理念上、在管理上、在操作上要做好政务微博舆论引导工作,充分发挥政务微博为人民服务的作用。     

解读微博热门话题映射的网络舆论特征

微博网络舆论的传播逐渐成为一种基于人际关系的网络传播。介绍了微博平台网络舆论的整体特征,通过图表展现了月度热门话题的网络舆论走向,指出了微博对网络舆论模式的改变,最后对微博所带来的主要问题进行了分析。     

微博情感分析综述

随着微博用户数量的快速增长,微博中所携带的一些情感和观点对社会的影响越来越大,尤其是一些涉及到公众人身安全的负面情绪,可能会影响到社会的稳定,因此进行微博情感分析意义重大。微博情感分析的内容包括微博语料的获取、微博语料的预处理和情感分析方法等,常用的情感分析方法有基于情感词典的方法、基于机器学习的方法和基于深度学习的方法。随着注意力机制在NLP领域的广泛使用,很多研究者开始将注意力机制融合到深度学习模型中进行情感分析,这使得情感分析的准确率得到了很大的提升。谷歌提出的BERT模型本质上也是基于注意力机制实现的,BERT模型在情感分析领域取得了突破性的进展。     

领导干部的网络问政能力——领导干部学微博

微博的产生改变了信息传播的模式,带来了一场互联网革命。而党校是一个与时俱进的地方,任何新的技术、新概念产生,都会在党校的教学中得到应用。如何提升领导干部适应新媒体时代变化了的执政环境,提升网络舆论引导能力,推动党政机关和领导干部积极运用微博,拓展联系群众、服务群众的渠道和手段,及时发布权威信息,积极回应突发事件和社会热点问题,不断改进政府工作,已成为党校面对的新课题。     

微博信息采集及群体行为分析

随着在线社会关系网络的迅猛发展,每天数以千万计的人通过发表、评论、分享等方式,产生和传播各类话题.对在线社会关系数据的感知与收集、存储管理、群体行为等进行研究,能更好地挖掘和分析社会关系网络.由于微博平台的登录、数据显示与处理等方面与传统网络平台有很大差异,传统网络爬虫不适于对微博信息的全面抓取.本文采用模拟用户浏览行为方法来爬取海量微博数据,通过数据包截取与分析等手段获取相关信息.实验结果表明该方法的有效性.在此基础上,以收集的微博数据为研究对象,对群体行为进行了分析.     

基于表情符注意力机制的微博情感分析模型

为了对中文微博进行有效的情感极性识别,基于表情符能改变或加强微博文本的情感极性这一认知事实,提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型(BiLSTM)学习文本的特征表示时,利用表情符注意力机制,得到文本结合表情符后新的特征表示,从而实现微博情感识别。实验结果显示,与输入纯文本和表情符的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了4. 06%;与仅输入纯文本的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了6. 35%。     

微博影响力评价研究

微博作为一种被广泛使用的网络平台,其多样的特性满足了人们信息获取、人际交流等多方面的新需求,微博已成为人们日常生活的重要组成部分之一。微博影响力作为微博研究的一个热点,对于优化微博的信息整合、传输,对于深入了解微博发展方向、维护网络内容安全、促进网络发展具有非常重要的理论和实践意义。文章对当前主要的微博影响力评价方法进行了梳理和分析,并提出了针对中国微博的影响力评价模型。     

自媒体环境下高校舆论危机事件的应对机制研究

随着现代电子科技手段的不断发展,整个社会形成了一种自媒体环境。在这种自媒体环境下,高校学生有了更多地接受新鲜观念的机会,这种机会在开拓学生视野的同时,也对学生旧有的思维方式以及是非观等造成了冲击,使得高校舆论危机的形成成为可能。因此,我们认为,很有必要对自媒体环境下高校舆论危机事件的应对机制进行研究,以避免校园舆论危机事件的持续发酵给学生、学校乃至整个社会带来的不良影响。     

微博信息传播的“自澄清”机制分析

通过对微博信息传播过程中产生的虚假信息及虚假信息的自动澄清机制进行分析,探讨微博谣言"自澄清"机制的形成条件、形成过程,以及该机制对微博发展的作用。探究如何更好地利用微博信息传播的"自澄清"机制,帮助用户正确地使用微博,促进微博的健康发展。     

微博社交网络的对称程度实证分析

Twitter和Sina微博注册用户构成关注关系社交网络,运用一种对称程度来研究其对称性随社交圈子规模变化的规律。首先根据收集的100万条新浪用户之间的关注关系和236个Twitter用户及其之间的关注关系来构建初始社交网络,选取其中具有明显对称性的连通子网络作为研究的主要对象,通过去除法得到:影响社交网络最大连通子网络对称性的主要因素是大V用户和可忽略用户。其次,采用比较分析法得出Twitter的大V用户构成的社交子网络对称性较强。最后,从功能定位方面分析了两种微博的不同;通过对初始网络的所有连通子网络的对称程度的研究,得出社交圈规模越小、相应的对称性越强的结论。     

网络舆情演化的阶段分析

网络舆情演化的阶段分析对于研究网络舆情的演化规律具有重要的意义。由于网络舆情演化比较复杂,因此网络舆情演化过程的阶段划分也有一定难度,为便于研究,本文把网络舆情演化过程简化为三个阶段：初始传播阶段、迅速扩散阶段和消退阶段,在此基础上对网络舆情演化过程进行阶段分析。首先分析网络舆情的构成要素,然后分析网络舆情演化所具有的影响因素,最后分别对这三个阶段的演化因素和特征量的变化进行详细分析,并尽可能采用量化语言来分析每个阶段的特征变化,希望有助于对网络舆情演化规律的定量研究。     

微博舆情热点分析系统设计研究

舆情分析关乎国家发展与社会和谐,目前已有越来越多的机构和行业从事舆情分析。面对互联网海量的数据信息,新浪微博舆情热点分析系统以目前使用极为普遍的新浪微博为数据源,着眼于新浪微博热点信息的分析。新浪微博舆情热点分析系统目前已经实现了微博抓取、微博分析。文章介绍了系统的体系结构和详细设计,并对系统在实现中所遇到的主要问题及解决方案进行了描述。最后,文章分析了系统需要改进的方面,以及该领域的研究和发展方向。     

微博“信息茧房”与“意见领袖”探析

在微博平台上,用户偏好根据自己的爱好来"关注"内容,会逐渐造成"信息茧房"。本文从Web2.0时代"去中心化"的演绎、微博自身的个性化特性、网民的心理因素3个方面分析造成"信息茧房"的原因,并分析"信息茧房"现象的利弊影响。     

微博消息传播中意见领袖影响力建模研究

在微博网络中,消息的传播与意见领袖的影响力密切相关.然而,意见领袖在消息动态传播过程中所表现出的影响力难以量化衡量,这对意见领袖影响力的评估和消息传播趋势的预测带来了巨大挑战.针对这一问题,提出一种基于消息传播的微博意见领袖影响力建模与测量分析方法.在分析消息传播模式的基础上,采用动态有向图描述消息在微博网络中的传播过程;发现该过程可近似分解为由各个意见领袖所驱动的子过程,根据对意见领袖影响力属性特征的分析发现,该子过程可以由指数截断的幂律衰减函数来描述.对模型中各个参数进行估计,可以定量地衡量意见领袖在消息传播过程中的初始影响力、影响力衰减指数及其影响力持续时间等指标.结合新浪微博数据的分析结果显示:消息的传播范围与传播过程中参与传播的意见领袖的数量呈弱相关;虽然意见领袖的初始影响力与其粉丝数量的大小正相关,但影响力衰减指数的大小以及影响力持续时间的长短与粉丝数量几乎无关.最后,采用所建模型对真实微博消息的传播趋势进行预测,结果表明,所提模型能够较好地对热门消息的传播趋势进行预测,这对微博中公众舆论的控制及广告定点投放具有重要意义.     

融合社交网络用户自身属性的信息传播数学建模与舆情演化分析

针对传统的社交网络信息传播模型极少将用户属性和信息特征这两个因素纳入到信息传播模型研究中的不足,该文提出了一种基于用户自身属性的信息传播模型。首先该文抽取用户影响力、用户态度、用户年龄、信息能量、信息价值等特征并构建交互规则;其次,根据这些特征建立信息传播的数学模型,模拟社交网络舆情演化过程;最后,为验证模型的有效性,开展了与真实事件的实证分析对比实验。实验结果表明: 仿真结构与真实数据的相似度大于0.97,因而该模型符合社交网络舆情信息传播的特性,能够较为准确地描述社交网络中的舆情传播过程。     

涉林案件的网络舆情预警机制研究

近年来,森林树木的滥砍滥伐,各类野生动物的非法捕杀等现象越演越烈,加上网络舆情的煽风点火,严重削弱了人们对维护生态环境,建设美丽中国的信心和勇气。因此,本文试图通过对涉林案件网络舆情的特点和成因进行分析,构建出基于信息共享环境的涉林案件网络舆情预警机制,并针对此预警机制提出相应的建议和对策。     

小世界效应的网络舆情演化迁移元胞模型

依据网民关系网络拓扑的小世界效应特性,提出网民观点的倾向度转换规则,在网络舆情网民关系小世界网络矩阵表示的基础上,构建基于小世界效应的网络舆情演化迁移元胞模型,运用该模型分析网络舆情演化,产生了倾向度转换图、粗细粒度倾向度曲线的仿真结果.通过对试验仿真结果的分析,揭示了网络舆情演化的观点极分化和观点漂移的现象,分析了“核心”区域漂移现象和倾向度曲线多波峰现象的成因,仿真结果表明该模型能较好拟合网络舆情演化的规律.本研究对网络监察部门和新闻管理部门的管理提供了一定的理论依据.     

引入时间机制的网络舆情演化分析方法研究

网络舆情的迅速发展使舆情发展成为研究热点,它对舆情的预测预警具有重要意义。从文本聚类入手,针对舆情的演化分析过程,在时间序列上进行K-means聚类研究,得到聚类中心,又依此对聚类中的词频统计进行时序加权处理,使统计所得关键词更具有代表性。通过对时间聚类法和时序加权统计法所得关键词的分析,得到了舆情演化的趋势。研究结果表明该方法降低了聚类的维数,减少了噪声,提高了聚类的准确度,增强了演化分析的可信度。     

网络舆情演进规律中的PETRI建模分析

通过引入PETRI网分析方法,针对网络舆情事件演进的各种因素,首先对网络舆情演进规律进行分析探讨,将舆情作为一种流的形式进行剖析,提出"舆情流"概念及其控制模型,在此基础上,动态引入网络集群节点间的关联度变量,研究基于关联网络的集群组织间舆情流动的一般规律,提出可以调控网络集群与其他舆论节点间联系的"舆情关联度过程模型",并从新闻学和心理学现象研究中相互借鉴验证,进而证实模型提出与建立的合理性.该模型可以通过舆情演进归纳指导相关系统设计与舆情导控,为相关行业提供智能支持.