基于复合词生成的网络热点话题识别及描述算法

[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程中存在噪音词较多和特征词语义被放大或转移等问题。本文提出一种基于复合词生成的描述词抽取方法,在所提取的语义更为精确的描述词集合上使用一趟聚类算法对新闻文本进行聚类,自动识别网络热点话题并对热点话题进行排名。[结果/结论]对腾讯新闻事件文本数据集所做的实验结果表明,本文所提出的方法较传统的词特征抽取方法在聚类结果上具有更好的话题簇识别能力和簇描述能力。     

基于聚类的网络舆情热点发现及分析*

根据对网络舆情分析的需求,构建出基于聚类的网络舆情热点发现及分析系统。通过对样本网页文本的特征提取,构建向量空间模型,使用OPTICS算法获取网页热点簇,根据热点簇特征向量对网页进行二次聚类,从而获取关于舆情的时间演变模式,为相关领域研究提供决策支持。通过二次聚类,提高舆情网页相关度的质量,使网络舆情分析更为准确可靠。     

危机管理视角下突发事件舆情主题演化与治理分析

[目的/意义]引入危机管理要素研究突发事件网络舆情的主题演变规律,为精准的突发事件网络舆情处置与动态决策提供新思路。[方法/过程]以特定突发事件的事实文本数据为来源,利用隐含狄利克雷分布主题模型,构建动态主题演化模型,挖掘社交媒体突发事件中的阶段划分与话题,并归纳出舆情危机的构成要素。[结果/结论]以PPRR和4R危机管理理论为基础,将舆情发展划分为方兴阶段、爆发阶段、波动阶段和消寂阶段,将工作任务划分为预备力、反应力、缩减力和恢复力4类,最后提出网络舆情治理模型。     

领域知识聚类性的动态演化分析

[目的/意义]探索领域知识发展过程中的聚类演化问题有助于揭示知识聚类的特征和规律,对于掌握知识生长演进过程中关联知识的聚集具有重要意义。[方法/过程]以复杂网络的思想为基础,基于标签邻接关系的发生值构建时间序列领域知识网络。即依据网络模体的理论,采用网络聚类系数的分析方法,对领域知识网络进行动态跟踪与分析;结合网络密度、特征路径长度、节点度值、封闭三元组等指标,从随机因素、度相关性、邻近关联3个方面对领域知识发展过程中的聚类演化现象进行分析。[结果/结论]研究结果表明：①领域知识在发展进程中始终保持较高的聚类性;②领域知识的聚类性同时包含随机性与结构性（非随机性）两方面因素; ③领域知识聚类的动态状态在小世界网络和无标度网络之间摇摆演化; ④领域知识的聚类状态在网络全局和局部节点之间表现出一定的差异性。     

基于超网络的微博相似度及其在微博舆情主题发现中的应用

[目的/意义] 准确地计算微博相似度可以提高微博主题挖掘效率，对舆情治理、保障信息安全具有实践意义。针对微博文本语义稀疏、高维的问题，提出一种融入微博非文本特征的超边相似度算法。[方法/过程] 分析微博舆情发生机制，利用超网络模型表示微博舆情主题形成过程，通过计算各层子网相似度及各层子网对主题形成的贡献度构建超边相似度算法。[结果/结论] 研究发现，论文所提出的相似度方法有助于提升微博舆情信息的主题聚类效果，特别是对于文字性表述相似程度高的微博信息，具有明显的主题区分性。     

基于域加权聚类算法的网络舆情热点话题探测

面对自由无序的网络舆情信息,对舆情组织方式的研究体现出重要研究意义。文章提出一种网络舆情信息的组织方法,采用域加权的方式,通过一种single-pass增量算法聚类实现面向主题的舆情信息组织,即对新闻主题或新闻事件有较强表达能力的域进行加权处理以突出该主题或事件,再以无监督自动化的方式对无序的网络舆情信息进行聚类,进而发现热点话题,达到话题探测的目的。实验结果显示,聚类类簇均基于主题或事件,可以代表一个话题,F-measure评价值在85％以上,也进一步表明了本研究方法的有效性。     

基于聚类定量分析的微博舆情监测与预警

随着网络技术的发展和时代的进步,微博舆情逐渐进入大众的视野,微博舆情在一定程度反映了民情民意,因此,如何更好地对网络舆情进行引导和控制,并进行舆情的风险预警成为目前亟待解决的问题.本文以微博消息为研究对象,基于K-means算法完成对微博消息的聚类定量分析,找到所要分析的某类微博内容,进而在这类微博中找出微博消息意见领袖,提出微博意见领袖影响力评估算法,完成微博消息预警模块的实现,对微博舆情监测分析系统进行研究.     

社交网络舆情意见领袖研究:蝴蝶图示、甄别及影响力评价

[目的/意义]社交媒体环境下意见领袖与受众社群间形成了自运转、自循环的范围舆情系统，有效甄别意见领袖并评价其影响力对加强网络舆情管控具有实践意义。[方法/过程]结合OCA扩展理论、群际关系理论、舆情场势理论以及SIC理论，通过系统动力学分析意见领袖作用、前因变量及其动因机制，构建意见领袖影响力评价体系的一般性框架，提出一种变权重灰色关联度的意见领袖甄别算法，并以舆情话题"11·3留日女生遇害案"进行实证研究。[结果/结论]"蝴蝶图示"架构了意见领袖作用与前因变量的因果关系及反馈回路，揭示了舆情系统内社群生态与意见领袖作用协同演化的内在机理；本文提出的理论模型具有多维度测度、权重集科学、算法性能优越等特点，适用于社交网络中意见领袖形成的动态过程。     

网络舆情信息受众的观点认知距离计量研究

[目的/意义] 量化展现网络舆情信息受众之间的观点认知距离与情感归属,澄清其情感倾向性的形成脉络,为科学应对群体性突发事件提供思路。[方法/过程] 切分舆情事项子话题,通过情感本体计算受众观点的极性强度,构建2-模的受众-关注焦点隶属矩阵和1-模的受众关系矩阵,并采用复杂网络可视化图谱对受众认知距离进行可视化展示,从网络舆情场的视角下阐述受众观点的互斥与耦合机制,描述受众情感倾向的形成脉络。[结果/结论] 对受众整体认知网络中不同类型的受众加以区分,揭示真实情景中的网络舆情场力的作用特点,为舆情受众情感疏导工作提供实践出发点。     

基于主题模型的科技报告文档聚类方法研究

[目的/意义]探索实践以科技报告为文献载体形式的融合主题模型的文本聚类方法,拓展基于科技文献进行技术监测服务的新领域,提出基于科技报告进行语义分析的新方法。[方法/过程]以国家科技报告服务系统中的科技报告为数据源,首先基于LDA主题模型对经过文本预处理的科技报告进行主题挖掘,再基于Ward与K-means相结合的聚类算法对包含主题分布信息的文本向量进行聚类分析,尝试提出一种适合科技报告文档聚类的文本挖掘新方法。[结果/结论]实验结果表明,LDA主题模型能有效准确挖掘科技报告中的主题信息,所提出的Ward与K-means相结合的聚类算法对科技报告的聚类效果也优于其它传统聚类算法。     

΢�������ά��������Է�������ӻ��о�——��ij�����¼�Ϊ��

��[Purpose/significance] Combining sociological perspective and information science means, the social attributes and external manifestations of public opinion events on microblog are correspondingly integrated, which provides a new perspective for explaining the social problems behind public opinion events.[Method/process] Combing the current research situation related to public opinion, and constructing the social attributes and externalization performance model of public opinion on microblog. Focusing on public opinion and explaining the internal logic between the 3 social attributes of crowd, content and sentiment and the 3 external manifestations of opinion leader, event and emotion. Then taking a vaccine incident as an example for empirical research and visual display.[Result/conclusion] The results of empirical research verify the validity and operability of the social attributes and externalization performance model of microblog public opinion. From the perspective of sociology, using the advantages of quantitative and visual research methods in the field of information science, we can fully understand the externalization of different social attributes of public opinion events and dig deeply into the essential problems behind public opinion events.     

过程与要素视角下的突发事件网络舆情演化规律研究综述

[目的/意义] 准确把握突发事件网络舆情的的周期性演化规律,以便在关键节点上进行有针对性的舆情疏导。[方法/过程] 以2010-2015年的95篇核心期刊论文、28篇硕博论文与15篇英文文献作为主要研究对象,从过程与要素视角,对突发事件网络舆情的演化阶段、关键节点与影响因素等进行归纳分析。[结果/结论] 从过程视角看,形成期重点应对舆情源头进行遏制;发展期重点应对关键节点进行监测;消弭期重点应对舆情的二次衍生进行预防。从要素视角看,不同利益群体间的博弈推动舆情逐步升级;议题的存活与衍生决定舆情的复杂多变;情绪化动员诱发负向舆情的积累扩大。现有研究视角均存在不同程度的局限,未来应注重多维研究视角的综合运用,以应对更加复杂多变的网络舆情。     

多媒体网络舆情演进机理研究

[目的/意义]研究多媒体网络舆情传播过程和演进机理,以准确掌握网络舆情演变规律,为相关部门增强网络舆情信息监管并引导网络舆情良性发展提供参考。[方法/过程]搜集国内外多媒体网络舆情相关文献,结合传播学理论,以大数据时代背景下多媒体网络舆情的分类、特征为基础,研究其发展规律、演进要素,从系统动力学的角度剖析多媒体网络舆情演进机理,并进行实证研究。[结果/结论]揭示大数据时代背景下多媒体网络舆情传播特点,阐释了多媒体网络舆情演进阶段、演进要素和演进机理,为大数据背景下多媒体网络舆情信息传播的深入研究及监管提供一定参考。     

突发事件舆情观点识别与分析研究评述

[目的/意义]突发事件情境下,及时有效地回应舆论关切成为舆情管理中的重要议题,梳理总结突发事件舆情观点研究现状与发展趋势有助于该领域研究开展与实践指导。[研究设计/方法]采集国内外有关突发事件舆情观点的科学文献,从信息分析过程角度出发,分为舆情观点识别、舆情观点组织和舆情观点分析三个方面进行综述。[结论/发现]随着知识图谱等技术优化与应用的不断推进,舆情观点研究可从识别细粒化、组织结构化、分析系统化等方面加以深化,在构建层次化舆情观点信息组织架构及图谱原型的基础上,建立系统化舆情观点多维演化分析框架与应用范式。[创新/价值]从信息分析过程的角度对突发事件舆情观点研究进行总结评述,为突发事件情境下舆情观点与知识图谱的深入融合应用提供参考。     

大数据网络舆情信息情感维度要素的关联模型构建

[目的/意义]情感维度是网络舆情信息预警级别的评定信号,其影响要素关联模型的构建能够较为清晰地描述各要素间及其与大数据网络舆情环境之间的错综复杂关系,从而为深入探讨大数据网络舆情信息的情感发展规律提供参考。[方法/过程]根据情感维度理论,从情感的种类、情感的转换、情感的唤起3个维度建构大数据网络环境下舆情信息情感维度要素关联模型。[结果/结论]实证分析结果表明:大数据舆情信息情感维度模型中舆情信息的情感级别与情感反应、情感焦点维度之间存在显著相关;情感指向与其他维度之间存在弱相关;情感维度模型中没有完全无关的要素。     

网络舆情场中信息受众观点测度的机理及路径分析

[目的/意义]整合定性与定量的舆情研究视角,统一多模态研究对象,实现网络舆情信息受众的观点测度,可修复网络舆情分析与治理的理论与实践裂痕。[方法/过程]通过引入网络舆情场的概念,对网络舆情信息受众、受众观点测度的内涵进行诠释,就网络舆情场与信息受众观点测度的逻辑关系加以辩证讨论。[结果/结论]提出网络舆情场内舆情受众观点测度机理和具体测度路径,为后续网络舆情场中的网络舆情信息分析、多维度信息受众观点测度,受众认知规律发现,网络舆情监督和管控限制等层面的研究做相应铺垫。     

网络舆情观点团簇演化等级测度与实证研究

[目的/意义]提出和构建网络舆情观点团簇演化等级,以描述网络舆情受众的群体性观点的状态随时间与事态变化的演化程度,对于网络舆情导控与精准引导具有重要的理论及实践意义。[方法/过程]基于LDA与CNN神经网络构建网络舆情观点团簇演化等级测度模型,并以"翟天临知网事件"为实验对象,验证演化等级这一指标的有效性。[结果/结论]网络舆情观点团簇演化等级能够很好地体现网络热点事件群体观点状态的演化,在展现3个维度的属性数值同时也能反映观点团簇较前一时间节点状态的演化程度,提出的观点团簇演化等级测度结果精准地体现事件观点的各个演化高峰,为有关部门对网络舆情群体观点的靶向引导提供新的指导方向。     

网络舆情场中观点簇丛的情感极化度测算

[目的/意义] 提出网络舆情场内观点簇丛的情感极化度测算方法，为量化舆情受众情感态势和识别极化群体提供依据。[方法/过程] 首先明确舆情受众情感极化的条件，再通过设置条件阈值筛选出满足条件的观点簇丛，在此基础上引入3个极化指标（受众吸引率、极端受众增长率、极化情感增长率）描述观点簇丛在测度时间窗口内的情感发酵程度。最后利用平滑权值，对观点簇丛在不同测度阶段的情感表现进行加权综合，得出其整体情感极化程度值。[结果/结论] 观点簇丛在每个时间窗口的情感表现能为阶段性的舆情受众情感极化干预提供判断依据，而综合的情感极化度有助于准确识别场域内的敏感话题及群体，便于网络舆情的精准管控。     

多媒体网络舆情信息并发获取模型构建及实证分析

[目的/意义] 网络舆情信息并发获取模型构建及实证研究有助于从海量的舆情信息中及时获取所需关键性信息，为其有效分析提供数据保障。[方法/过程] 通过对当前舆情信息获取研究现状的综合分析，明确多媒体网络舆情信息并发获取的模型构成要素，融合DEMATEL、AHP、FMF三种数理分析法进行模型构建并据此展开实证分析。[结果/结论] 研究结果表明所得数据结论与舆情事件客观情况较为相符，可以作为舆情信息并发获取判断的依据。