基于文本挖掘的高校网络舆情用户情感分析研究

随着互联网和新媒体技术的蓬勃发展,社交媒体平台已经成为高校学生获取信息、交流沟通、表达诉求的主要载体,也为高校网络舆情管理带来了新的挑战。本文通过数据采集及分析工具和技术,对于新冠疫情期间产生的高校网络舆情热点话题“武汉高校宿舍被征用”和“考研扩招”的用户评论数据进行了数据采集、预处理和文本挖掘分析,判断了用户在这两个话题中的情感倾向,并对评论的情感走势和社会网络关系进行了分析,得出相关结论。最后,给出了高校网络舆情引导和治理的相关建议。     

基于本体的主题网络舆情知识模型构建研究

主题网络舆情分析中,基于本体的知识模型构建是基础和核心工作。在本体理论基础上对主题网络舆情M进行知识化表示：KM={KC,KD,KG},KC为与具体舆情主题相关的上下文知识,KD为舆情主题所涉及到的专业领域知识,KG为普遍认可的基本概念和推理方法等通用知识;研究知识源的分类、描述语言的确定、本体库的架构设计,为主题网络舆情的内容分析奠定基础,实现一种技术方法上的创新。最后对该知识模型中的应用本体创建进行实例分析。     

基于复杂网络分析的微博网络舆情传播

为了探索微博网络舆情传播机制,采用复杂网络分析方法,并结合新浪微博获取的数据,分析了微博的社会网络结构的特点及其对舆情传播的影响。首先介绍了微博社会网络组成机制。然后采用复杂社会网络分析方法分析了微博社会网络的无尺度特性和小世界特征。最后结合实际的网络舆情事件案例,分析评价了微博社会网络拓扑结构对网络舆情传播的影响。     

基于结构平衡的社交网络舆情正向引导学习方法探讨

社交网络已经成为人们获取信息和进行社会交往的重要平台。一个话题经过众多网民评论与传播, 可能演变成社会关注的热点舆情。在社交网络文本大数据背景下, 从话题产生源头把握其演化趋势和发展规律, 对负向或弱正向话题采用适当的策略加以引导, 使其朝着正向发展, 对社会稳定具有重要意义。当前国内外相关研究尚处于起步阶段, 理论方法和研究手段还不成熟。在综述的基础上, 文章系统地提出网络舆情引导策略的理论与方法, 包括社交网络舆情生命周期与结构平衡协同演化模型;基于网络结构平衡的结构洞分析、关键节点人物识别、同质化分析的舆情引导模型特征参数分析;社交网络舆情正向引导式学习模型、算法及系统。     

微博时代网络舆情的危机应对与管理机制研究

以微博为代表的新媒体蓬勃发展,微博的聚合与裂变使其迅速成为社会公众舆论焦点的集散地,对微博舆情的引导成为社会管理中的新视域。管理者应转变微博舆情管理理念,提升舆情研判水平;建立微博舆情引导协同反应机制,提高舆情应对能力;精心培育微博意见领袖,营造理性微博的社会氛围。     

基于Single-Pass的网络舆情热点发现算法

考虑网络事件的时间距离,基于半结构化网页中不同位置特征项重要程度的不同,提出改进的single-pass文本聚类算法single-pass*,优势在于对Web文本不同位置特征项的加权处理,仅需计算新文档与同类别种子文档间的相似度。实验结果表明,相比single-pass,改进算法极大减少了漏检率和错检率,降低了由于新文本流内文档进行相似度计算导致系统性能的下降,平均提高Web文本聚类效率40%。将聚类后的Web文本应用于网络舆情分析,进行主题关注度分析和话题热度特性分析。     

基于教育培训的旅游网络舆情管理研究

文章从教育培训视角下,对包括旅游者在内的公民信息素养教育、旅游企业和政府管理部门专业人员的舆情应对培训问题进行了探索性研究。首先,介绍了信息素养的概念和教育意义,分析了信息素养的主要构成,提出了信息素养教育的相关对策;第二,针对旅游企业和政府旅游管理部门的专业人员,介绍了网络舆情应对培训的内涵,总结了网络舆情应对培训的目标和方案。     

基于情绪信息熵的网络舆情传播模型研究

网络舆情话题的传播机理与传染病的扩散机理类似,研究舆情话题的传播机理有助于相关部门的决策部署。分析了舆情话题传播过程中用户情绪的变化趋势,在传统的SEIR(susceptible,exposed,infected and removed)模型的基础上,考虑舆情话题在传播过程中受到用户情绪的影响,使用信息熵来刻画影响传播率的用户情绪,提出了一个具有动态传播率的传播模型;从模型的角度分析了网络舆情传播的关键节点,为相关部门提供了决策的理论依据。根据真实的网络话题进行了实证分析,结果表明,提出的模型能够较好地模拟出真实传播趋势,验证了模型的合理性。     

基于元胞自动机的微博舆情传播研究

采用元胞自动机理论进行微博舆情传播的研究,设计微博元胞自动机模型结构,包括元胞状态、元胞空间、元胞邻域和演变规则。在微博舆情的倾向度演化中,定义了坚定性系数与影响系数,在不同的坚定性系数和影响系数分布下,进行了倾向度演化实验与分析。同时,对影响力较大的微博在倾向度演化中的作用,以及多邻域分布下倾向度的演化进行了研究。       

公路交通舆情监测及系统开发

以江苏省为例,采集了公路交通相关网络文本信息数据,从季度、年度、重大事件3个角度分别进行了舆情监测和分析,梳理了热点舆情的内容及走势变化,并基于长短期记忆网络设计了一种新的公路交通舆情情感分析方法,其准确率、查准率、召回率和AUC值分别达到96.1%、84.2%、88.9%和0.904. 最后构建了一套公路交通舆情监测系统,可以展示公路交通舆情关键词云图,并分析舆情情感倾向,为公路管理部门开展工作提供参考.     

基于云计算的常州本地网络舆情特点与对策研究

网络舆情是考验政府处理事件的能力、关系政府部门的形象的重大问题。妥善应对舆情事件已经成为政府部门必须面对的现实问题。相关部门可以合理利用计算机网络和云计算技术，做好舆情分析工作，让舆情事件得到合理的引导和解决。     

网络舆情监测系统在电力行业的应用

以开放、互动、快速、海量为特征的网络媒体近年来异军突起,由此形成的网络舆情给电力企业带来的影响日渐加深.电力企业在网络时代如何搭建舆情监控平台,加强网络舆情管理的质量和效率,成为企业面临的新课题.     

基于社团信息传播能力分析的微博舆情热点监测

在分析微博舆情热点监测研究局限的基础上,从信息传播角度提出一种基于社团信息传播能力分析的微博舆情热点监测方法。该方法首先基于微博用户间信息交互构建微博信息交互网络;然后采用快速Newman社团发现算法挖掘信息交互网络中的信息传播社团;最后根据用户传播影响力和用户间交互紧密度对社团的传播能力进行评估,并通过对具有较强信息传播能力社团中信息交互的监测实现微博潜在舆情热点的挖掘。实验结果表明,微博信息传播社团的信息传播能力与热点微博信息在社团中的真实传播效果具有较高的拟合度,通过对强传播能力社团中信息交互情况的实时监测,可发现潜在舆情热点信息。     

基于信息挖掘的高校网络舆情监测系统开发

受网上各种信息的影响,高校大学生对社会诸多现象、现实和问题等反应敏感,易受到错误言论的蒙蔽和误导。针对高校网络舆情监测与预警手段方面的严重不足,开发了一个基于网络信息挖掘技术的高校网络舆情监测系统,系统利用网络蜘蛛技术、中文分词技术和文本聚类技术,通过对互联网信息进行采集、处理,舆情识别分析,实现了舆情热点与话题信息的推送与跟踪功能,可进一步分析舆情内容的观点与态度问题,筛选并判定各级别网络舆情的发生,从而进行公共危机和热点事件的监测和预警。     

热点发现及文本倾向性分析技术研究

为了有效地对不断涌现的海量互联网信息进行采集、分析、检索,基于网络舆情分析涉及到的热点发现与文本倾向性分析两个关键技术,改进了相似主题检测和基于语气标注方法的文本倾向性分析算法.实验结果表明,直接通过关键词匹配法,误差较大；基于关联规则的相似主题检测,可以明显提高检测精度.同时,无论是对正面文档还是对负面文档,经过改进...     

基于改进CNN-BiGRU-att模型的文本分类研究

为解决单一的卷积神经网络(CNN)缺乏利用上下文本信息与单一循环神经网络(RNN)对局部信息把握不全面问题,提出一种基于注意力机制的多通道TextCNN-BiGRU分类模型.首先,通过word2vec对初始文本向量化,经实验选取窗口值组成三通道.然后利用CNN的强学习能力提取局部特征,利用双向门控循环单元(BiGRU)提取上下文全局信息,运用注意力层与池化层获取并优化重要的特征.最后采用softmax函数使误差loss极小化.仿真实验结果表明,提出的模型分类性能,准确度达94%,损失函数值稳定在0.22%左右,具有良好的泛化能力,能够有效解决单一模型挖掘信息不全问题,有效提高分类效果.     

政府相关网络舆情事件评估模型研究

运用热点舆情事件快速搜索技术,提出舆情指标体系;采用改进的证据推理方式,建立政府相关网络舆情评估模型。通过实验验证该模型的效果和应用范围。     

基于Multiagent的社交网络舆情传播模型

为分析与预测社交网络中舆情传播过程和演化趋势,本文基于Multiagent分布式技术,建立了社交网络舆情传播模型,研究社交网络舆情传播方式,并根据Agent的行为和状态特性,对A-gent进行分类,分析Agent的属性特征,通过剖析Agent个体之间的交互微观行为,依据信息价值时效性、信息源覆盖率和信息关注度,对转发行...     

高校网络舆情分析

随着互联网信息的发展,校园网络环境发生着很大的变化,与之相适应的高校网络舆情也给校园网络安全提出了新的挑战。高校网络舆情对大学生的思想和行为有着重要影响,正确引导网络舆情,事关和谐校园的建设与社会的和谐。为了共同营造文明健康的校园网络环境,进一步推动和谐校园建设,可考虑从分析高校网络舆情的形成原因入手,通过对网络舆情特点的分析,寻找校园网络舆情的应对策略和一系列可行性建议,据以及时化解和控制高校校园网络带来的不利影响。     

基于Python的MOOC评论情感分析系统的研究与设计

为了从MOOC评论中及时、准确地获取学生对在线课程教学的满意度,从而洞悉学生的期望,为在线课程教学的改进提供依据,文章研究和设计了基于Python的MOOC评论情感分析系统。系统从MOOC平台采集学生的评论数据,通过深度学习方法提取情感特征词,采用情感分析算法进行情感强度计算和情感极性分析,并将情感倾向分布结果以可视化方式显示。