基于SNA的网络舆情演变分析方法

通过对网络整体及网民个体(Agent)的SNA属性参数动态变化的量化研究,挖掘出网络舆论演化特征并对其进行了定量分析,揭示了网络舆情事件的一般演化规律,为后续的舆论趋势研判和舆论引导工作提供决策依据。以天涯论坛上一个网络事件为实验数据,对该分析方法进行了验证,显示该方法在网络舆情特征研究中具有一定的实际应用价值。     

社交媒体时代高校网络舆情治理研究

社交媒体时代维护高校网络意识形态安全的压力不断加大。社交媒体不仅是网络用户分享意见、见解、经验和观点的重要平台,也是舆情发生的主要信息源和舆情发酵的重要传播链,网络的便捷性、群体性和匿名性容易引发“舆情围拢”效应,导致后续舆情的裂变式、病毒式传播。当前,高校网络舆情态势依然复杂严峻,还需要从情感价值、方式方法、技术手段、引导处置四个维度对高校舆论风险和行为异化进行引导和治理,从而营造和谐的师生沟通环境和清朗的校园网络公共空间。     

基于co-ICIB联合聚类的舆情监测系统设计

基于co-ICIB联合聚类的舆情监测系统的设计为舆情信息库,它通过联合聚类等数据挖掘算法可以快速及时地发现新的舆论热点.当舆论热点被确认,即在互联网上真正成为一个备受关注的话题时,文本分类算法可以将同一话题内的信息归类,有助于跟踪舆情的发展趋势.该舆情监测系统可为舆情监管部门提供原始舆情资料、数据性图表和建议性分析.     

当前社会背景下的网民心理分析

在互联网飞速发展的时代,网络舆论越来越受到各方的重视。网民是网络舆情的重要组成部分,要正确引导网络舆情和预控网络舆情的爆发,需要分析网民的心理特征。以近几年一些网络热门事件为例,结合我国当前的社会背景,分析了网民在网络舆情中的心理特征。     

微博舆情的现实问题与应对策略

微博的传播特性和舆情功能与转型期中国社会的现实需要高度契合。从媒介社会学的视角出发,考察微博舆情的内涵、特征及模式,剖析微博舆情的"微博舆论发酵—传统媒体跟进—政务机构回应"三级生产模式,文章深入分析了现阶段微博舆情存在的现实问题,并提出建立协商民主制度、加强第三级传播、提高公众媒介素养等应对策略。     

大数据背景下高校网络舆情处置机制研究

随着互联网技术的革新与发展,人类进入大数据时代,以互联网为媒介的意见表达渠道层出不穷,民众的利益表达机制不断多元。高校作为一个特殊的单元其舆论敏感度十分显著,如何发挥高校在网络舆情管理领域中的积极作用,建立完善的网络舆情处置机制是高校网络舆情管理工作面临的新课题。利用文献研究方法,旨在研究大数据背景下高校如何利用大数据平台和信息技术手段开展网络舆情管理工作,合理构建网络舆情处置机制,并对目前高校网络舆情管理中的不足提出相应的对策建议。     

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。     

思想政治教育舆情监控服务平台构建研究

网络舆情给思想政治教育带来难得机遇的同时,也给思想政治教育带来了严峻的挑战。加强网络舆情的自动监测、科学研判和有效引导,对思想政治教育的建设和创新发展具有重大的意义。本文在提出思想政治教育舆情监控服务平台总体架构的基础上,从舆情数据采集、舆情数据整合、舆情分析研判和舆情引导控制四个层面,探讨了思想政治教育舆情监控服务平台的构建。     

论应急管理视角下网络舆情事件的应对

互联网传播已经成为社会信息最主要的传播方式之一,网络舆论对社会生活的影响越来越大.网络舆论的负面影响往往导致网络舆情事件的发生并造成现实危害,这对政府应急管理能力提出了新的挑战.通过阐明网络舆情事件的内涵,探讨其发生机理及危害,明确应对原则,围绕应急管理的“一案三制”框架提出对策建议.     

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.     

教育舆情的概念解析

教育舆情是在一定的社会空间内,舆情主体对有关教育的中介性社会事项所持有的社会态度。教育舆情的构成要素主要有主体、客体、中介性教育事项和空间。教育舆情作为舆情的子概念,对其开展内涵研究,一方面有助于教育领域的舆情治理,另一方面标志着舆情研究进入到了一个概念细分的新阶段,充分显现了舆情研究的阶段性特征,有助于进一步推动舆情研究的科学化进程。     

网上涉及马钢舆情处置和分析

结合马钢实际工作中遇到的网上涉及马钢的舆情处置应对,及对这些舆情发展发酵的跟踪分析,对如何开展网上涉及企业的舆情引导和应对,做出了一些探讨和思考。     

石鼓网络舆情监控系统的设计与实现

分析了高校网络舆情监控的现状,提出了基于高校网络舆情监控系统的设计方案。该系统通过网络爬虫将相关网络新闻、博客和论坛的信息采集下来,采用关键词和敏感词匹配的方式对信息进行过滤,将用户关注的信息呈现出来,从而实现对舆情信息及时准确的发现。     

舆情的运行状态解析

舆情的发展过程分为起始、扩散和整合三个不同阶段。在这三个阶段中,舆情的状态彼此不同。舆情的表现形式又分为社会思潮、社会民谣和社会谣言三种。舆情的运行有着自己独特的规律,这是进行舆情管理的认识基础和客观基础。     

基于域对抗网络和BERT的跨领域文本情感分析

跨领域文本情感分析时,为了使抽取的共享情感特征能够捕获更多的句子语义信息特征,提出域对抗和BERT(bidirectional encoder representations from transformers)的深度网络模型。利用BERT结构抽取句子语义表示向量,通过卷积神经网络抽取句子的局部特征。通过使用域对抗神经网络使得不同领域抽取的特征表示尽量不可判别,即源领域和目标领域抽取的特征具有更多的相似性;通过在有情感标签的源领域数据集上训练情感分类器,期望该分类器在源领域和目标领域均能达到较好的情感分类效果。在亚马逊产品评论数据集上的试验结果表明,该方法具有良好的性能,能够更好地实现跨领域文本情感分类。     

基于LSTM-BLS的突发气象灾害事件中公众情感倾向分析

近年来长短期记忆网络(LSTM)在文本情感倾向分析方面显示出一定优势,但LSTM提取特征时存在语义不完整、精度不高等问题.研究者往往通过引入卷积神经网络(CNN)来弥补这一缺陷,但仍然未考虑到单词之间的句法依存问题.本文将以增量学习算法为核心的宽度学习(BLS)与LSTM相融合,提出了LSTM-BLS文本情感分析模型,并以2020断崖式降温事件为例,对突发气象灾害发生时公众情感倾向进行分析.结果表明:与基线模型K-means和支持向量机(SVM)相比,LSTM-BLS模型精度分别提高17.23和13.46个百分点;与已有深度模型LSTM、CNN-LSTM相比,本文模型精度分别提高7.13和4.17个百分点.     

一种面向目标的情感极性分析方法

面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性.当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降.为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征.此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果.在几个常用的标准数据集上的实验结果表明了上述模型的有效性.     

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。