基于有限理性视角的网络舆情传播模型构建

[目的/意义]探究个体决策的有限理性对于网络舆情传播的影响,从网民心理的微观层面来构建网络舆情传播模型。[方法/过程]以病毒动力学理论为基础,引入考虑个体心理参照点的前景理论,构建网络舆情传播模型,并求解模型的基本再生数,进行数值仿真对基本再生数的计算结果进行验证分析。[结果/结论]网络舆情传播扩散规模,与微博用户接触到的接触消极微博内容的比例β、相关舆情事件评论或转发中传达负面情绪的评论内容占比p、被感染网民的自愈率q等有密切关系。     

基于双层注意力和Bi-LSTM的公共安全事件微博情感分析

【目的/意义】微博情感分析对公共安全事件管控有着重要意义。现有研究将单条微博作为整体进行分析， 情感分析最小单元局限于字或词，而对微博从词到句子，从句子到单条微博这种多层粒度文本结构产生的影响关 注不足，基于此本文提出一种融合双层注意力的Bi-LSTM模型提升情感分析性能。【方法/过程】以红黄蓝幼儿园涉 嫌虐童事件为例，通过Bi-LSTM提取微博词级和句子级特征，结合双层注意力机制学习各级特征权重分布，以递 进顺序综合局部情感得到整条微博的情感分类。【结果/结论】实验结果表明，本研究提出的微博情感分析模型F1 值、准确率分别达到97.39%、97.62%，相比于SVM、RF、XGBOOST和LSTM，该模型能够在公共安全事件微博情感 分析方面取得较好效果。     

基于系统动力学模型的政务短视频网络舆情动力演化分析

[目的/意义]随着5G时代的到来,短视频的信息传播成为引导网民舆情的重要工具,如何运用政务短视频导控网络舆情成为政府面临的新挑战。[方法/过程]将政务短视频网络舆情分为舆情事件、网民和政务短视频三个子系统,借助Vensim PLE软件,构建政务短视频网络舆情多主体应对仿真模型,并结合具体案例"黑龙江疫情反弹"仿真分析子系统中各影响因素之间的相互作用关系,探究政务短视频网络舆情传播的动态机制。[结果/结论]结果表明:政务短视频网络舆情受舆情事件、网民、政务短视频子系统及其相关因素的共同影响。因此,政务短视频可以通过控制三个子系统的相关因素,有效应对和导控网络舆情。     

基于社交媒体的突发公共卫生事件公众信息需求与危机治理研究

[目的/意义]新型冠状病毒肺炎疫情(简称新冠肺炎疫情)的全球蔓延引发了各领域学者对于突发公共卫生事件科学应对的思考。文章以新冠肺炎疫情为例,以微博为研究对象,旨在探讨突发公共卫生事件中公众的信息需求对于危机治理的影响机制。[方法/过程]首先,对新冠肺炎疫情及微博舆情做出阶段划分,进而利用质性分析结合层次聚类法从微博文本数据中抽取公众信息需求并跟踪其演变,最终结合相关理论探索性地建立了突发公共卫生事件公众信息需求模型。[结果/结论]突发公共卫生事件中公众的信息需求主要围绕风险认知、行为规范、情感、行为四个方面,通过社交媒体可以准确追踪公众信息需求并向公众提供所需信息,信息需求的满足最终促使公众自发参与危机治理。     

突发公共卫生事件中中国网民关注度分析——基于新冠肺炎网络舆情数据

[目的/意义] 利用新冠疫情网络舆情数据来研究突发公共卫生事件中中国网民关注度,有助于提升疫情期间政府信息供给效率、满足公众需求和提供社会支持等。[研究设计/方法] 通过新浪舆情大数据平台获取研究数据,包括：疫情流行高峰期间全网舆情数据、每日转发排名前100名热门微博、每日新增病例数据等。采用描述性统计、列联表分析、回归分析等方法,研究突发公共卫生事件中网民关注度变化趋势及影响因素。[结论/发现] 疫情爆发初期,媒体大规模报道造成大量网民对事件关注;随着疫情严重,新增病例与网民关注出现同频共振;媒体报道初期,网民关注度集中趋势高;防疫举措、鼓励加油、捐献赠送、倡议建议、赞誉肯定5大关注主题,贯穿疫情流行高峰;主流媒体发布微博受关注最多,不同账户类型情感倾向有显著差异;网民总体关注度受新增病例和变异系数影响;每日热门舆情关注度,受新增病例、变异系数、舆情总量和戏剧性分值影响;单条微博受关注程度与当日相关话题总量和微博粉丝数有一定关系。[创新/价值] 本文系统分析了突发公共卫生事件中网民关注度变化趋势和影响因素,为政府决策提供支持。     

融合自注意力机制和语义词典的危机情绪分类研究

[目的/意义]在社会危机事件发生后,及时、有效地对社交网络上的文本内容进行情绪分类,有助于准确掌握公众情绪状态、优化社会危机事件管控方案。[方法/过程]基于框架语义理论构建危机情绪分类词典和危机情绪类别体系,采用融合自注意力机制的LSTM神经网络分类模型,实现优化的、细粒度的危机情绪分类。[结果/结论]以微博危机事件评论数据为例,通过不同参数的组合以及模型对比实验,获得了较高的准确率,验证了模型的可行性和有效性。为社交网络文本危机情绪分类提供优化的理论模型和方法支持,同时为相关领域的研究提供语义资源。     

重大疫情防控中的网络舆情及其信息治理策略——基于“弹簧”动力模型分析

[目的/意义]遵循网络舆情演化规律开展高质量的信息治理,是有效化解重大疫情防控中网络舆情事件的必然选择,也是对重大疫情防控精准化、科学化水平的重要检验。[方法/过程]基于弹簧运动的受力原理,借助系统动力学及营力系统理论建构一种“弹簧”动力模型,用以描述信息压力、信息支持力、信息驱动力、信息阻滞力等内外营力的相互作用,以及这些作用力在网络舆情蓄力生成、反弹加速、异化驱动、减速终结等四个动态演进阶段的各自表征。[结果/结论]重大疫情防控中网络舆情的信息治理策略应从前置端口环节守住信息传播“关口”,从中间过程环节打造数字治理格局,从后置反馈环节强化网络舆情监管。     

基于情报学招聘实体挖掘的情报学教育及人才培养分析

[目的/意义]为了帮助情报学学科背景的就业人员掌握市场对情报学人才的具体需要,为情报学的教育者拟定情报学的教育体系和人才培养的目标提供指导。[方法/过程]采集国内各大招聘网站情报学相关职位招聘公告,构建情报学招聘语料库,基于CRF机器学习模型和Bi-LSTM-CRF、BERT、BERT-Bi-LSTM-CRF深度学习模型,从语料库中抽取5类情报学招聘实体进行挖掘分析。[结果/结论]通过在已有2000篇经过标注的职位招聘公告语料库上开展情报学招聘实体自动抽取对比实验,识别效果最佳的CRF模型的整体F值为85.07%,其中对"专业要求"实体的识别F值达到了91.67%。BERT模型在"专业要求"实体识别任务中更是取得了92.10%的F值。使用CRF模型对全部符合要求的5287篇招聘公告进行实体抽取,构建了情报学招聘实体社会网络,并通过信息计量分析与社会网络分析的方式挖掘隐含知识。     

网络舆情危机事件对网民情绪传播的影响机理——基于D&G辱华事件的扎根理论研究

[目的/意义]网民对突发事件的评论和传播会造成涉事组织的网络舆情危机,影响组织的声誉和形象。而网民的情绪化传播是引发网络舆情危机的重要因素,但目前缺乏对网民情绪化传播机理的研究。[方法/过程]使用扎根理论研究方法,以D&G辱华事件为对象,以网民对事件的评论内容为样本进行研究。[结果/结论]通过三级编码归纳出情绪化传播的形成要素,构建了网络舆情情绪化传播的机理模型。     

基于贝叶斯网络的网络舆情态势评估分析——以“新冠肺炎疫情”事件为例

[目的/意义]重大突发事件对提高国家社会治理能力提出了新的要求,提升网络舆情态势评估能力成为创新社会治理的重要内容。[方法/过程]该文从网络舆情事件特征、关注度、传播扩散度及网民观点倾向等方面构建网络舆情态势评估指标,利用贝叶斯网络构建网络舆情态势评估模型,以“新冠肺炎疫情”事件为例,对网络舆情态势进行评估分析。[结果/结论]通过对网络舆情事件的测试,本文提出的方法具有较好的舆情态势评估效能,对“新冠肺炎疫情”相关网络舆情治理提出了建议。     

基于政务微博的信息公开与舆情演化研究——以新冠肺炎病例信息为例

[目的/意义]从数据层面探索信息公开与舆情演化之间的关系,为完善重大突发公共事件中的政府信息公开制度提供参考。[方法/过程]以政务微博为研究平台,选取新冠肺炎疫情事件为典型案例,聚焦病例信息公开及评论数据。使用内容分析法提取信息公开特征,基于SnowNLP模型计算社会情绪,结合焦点诉求分析舆情演化趋势。引入政府危机管理系列理论,探讨信息公开与舆情演化的双向作用机制。[结果/结论]信息公开不足会导致消极的社会情绪。随着信息公开工作的改进,公众诉求的态度和内容从一开始的强硬、笼统变得温和、具体。信息公开与舆情演化在周期上具有同步性,二者相互影响,这对于政府把握舆情规律,推进应急管理工作发展有重要意义。     

分歧与共识:突发公共卫生事件下官方与民间风险沟通研究

[研究目的]基于官方和民间双视角开展风险沟通研究,可以弥补已有研究视角单一的问题,体现“沟通”的本质。[研究方法]以新冠肺炎疫情为案例,采用文本挖掘和主题建模方法,对《人民日报》微博账号@人民日报的报道内容和公众评论进行话语分析。[研究结论]两个话语场表现出了均衡的双向影响力,展现出“共识-分歧-下一个共识”的互动模式。但是两个话语场仍然存在信息供求不匹配、议程分化等问题。这有待官方进一步利用技术赋能,建立良好的沟通机制,推动双方走出对话盲区,谋求意义共通。     

基于BP神经网络的突发传染病舆情热度趋势预测模型研究

［目的/意义］研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。［方法/过程］本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。［结果/结论］实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。     

基于BiLSTM-CRF的政府微博舆论观点抽取与焦点呈现

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。     

情绪刺激对微博信息分享意愿的影响实证研究

[目的]本文通过研究微博用户信息行为，为相关部门在信息传播管控方面提供参考价值。[方法]本文从用户使用微博时产生的情绪刺激角度对用户微博信息分享意愿和动机进行调查研究和分析，并基于过程评估理论和情境评估模型构建微博用户信息分享情绪模型。[结果]研究表明，用户的情绪刺激显著正向影响用户对新颖性、规范、目标、内在舒适性和应对潜力的评估；用户对新颖性、目标和内在舒适性的评估显著正向影响用户的分享意愿；用户的分享意愿对情绪刺激有显著复发效应。[局限]本文构建的研究模型主要验证刺激、评估、结果3个组件的相互影响，未具体研究评估组件内部5个组件间的相互作用；且本研究的样本主要源自于高学历青年群体。[结论]本研究证明了情绪刺激对微博用户信息分享意愿所产生的影响。情绪既是微博用户在信息分享过程中所产生的心理及情绪波动，又是促使用户产生信息分享行为的因素。     

“互联网+国家治理”破解突发性公共卫生事件的机理及其思考——以新型冠状病毒肺炎疫情防控为例

[目的/意义]深入探究"互联网+国家治理"提升我国突发性公共卫生事件治理能力的内在机制,为我国建立起一套现代化的重大疫情"预防—识别—控制—消除—复苏"防控体系,打赢突发性疫情防控攻坚战提供参考。[方法/过程]从新型冠状病毒肺炎防控事件的具体实际出发,深入剖析了"互联网+国家治理"破解突发性公共卫生事件的内在机制,在此基础上,系统总结出当前我国在新型冠状病毒疫情防控中暴露出治理问题。[结果/结论]从政府运用互联网技术进行危机治理的意识层面、技术层面和管理层面三个维度综合提出信息化背景下突发性公共卫生事件治理能力提升的具体路径,从而为我国数字政府的建立以及国家治理现代化水平的提升提供参考。     

重大疫情防控中的个人信息保护研究——基于隐私保护设计理论

[目的/意义] 新冠疫情防控期间个人移动轨迹、关系图谱、电子健康码等个人信息在精准定位疫情传播、防止疫情扩散和推进复工复产等方面发挥了重要的作用,但由于缺乏一定的信息采集保护机制和共享安全规则面临着个人信息滥用和泄露的风险,突发公共卫生事件下如何平衡信息利用和个人信息保护意义重大。[方法/过程] 本文从疫情防控背景下个人信息保护涉及的个人信息主体、个人信息收集和处理者、数据治理监管者三方出发,构建面向隐私保护设计的个人信息全生命周期保护框架,通过对个人信息采集、存储组织、分享利用和处置归档等过程的有效控制,建立个人信息合法合规使用的良性生态。[结果/结论] 疫情防控背景下个人信息保护涉及多元利益主体,需要重视对个人隐私信息的收集和利用,兼顾经济、社会发展和个人隐私保护需求,更好地实现个人信息的社会价值。面向隐私保护设计的个人信息全生命周期保护框架的提出对于进一步规范疫情防控背景下个人信息采集、存储组织、分享利用和合理处置具有一定的指导性意义。未来还需要在实践中进行探索和完善个人信息安全治理体系,构建应急预防和社会救济为一体的保护体系,设置独立的个人隐私保护监管机构,完善国家应急管理情报体系建设。     

重大突发公共卫生事件中的信息疫情管理研究

[目的/意义]旨在为疫情防控及其他公共突发事件中的信息管理提供参考。[方法/过程]通过对世卫组织流行病信息网络组织的信息疫情管理全球在线会议进行网络调查,在总结和借鉴在线会议成果的基础上,结合我国疫情期间所暴露的信息疫情管理问题,提出适合我国国情的信息疫情的管理对策。[结果/结论]提出协同多元主体建立统一的疫情信息管理系统、甄别打击虚假信息、利用信息化技术、普及公众健康教育和卫生知识、构建疫情知识库等建议。