<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《情报工程》编辑部 -->舆情分析]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[网络热点事件中网络暴力影响因素研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202303009&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的/ 意义] 网络热点事件中网络暴力受到多种因素影响，对其分析能够了解网络暴力传播规律，为舆情引导提供方法指导。当前网络舆情研究主要集中在主题挖掘、情感分析、行为分析以及意见领袖识别等领域，网络暴力传播规律研究相对较少。[ 方法/ 过程] 本文以网络热点事件为研究对象，首先，获取事件下评论用户的组织关系、评论文本、年龄等数据；其次，对事件负面程度进行评分以及对评论文本的暴力属性进行标注；最后，通过计算意见领袖影响力指数、高质量评论指数等网络要素，分析这些要素与网络暴力之间的相关关系。[ 结果/ 结论] 对10 个网络热点事件进行分析，结果表明：事件负面程度（r = 0.99）、负面意见领袖影响力指数（r = 0.79）、负面高质量评论指数（r = 0.77）与网络暴力之间呈正相关关系；网民年龄（r = - 0.61）、正面意见领袖影响力指数（r = -0.86）、正面高质量评论指数（r = -0.81）与网络暴力呈负相关关系。事件负面程度、意见领袖、高质量评论、网民年龄是网络暴力影响因素。]]></description>
<pubDate>2023/8/4 16:55:10</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[刘玉文，张楚，黄锦泉，刘鹏，谢静]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202303009&flag=1]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于用户心理特征的双微耦合网络舆情演化模型]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202303010&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的/ 意义] 利用传染病模型构建基于用户心理特征的双微耦合网络舆情演化模型，为网络舆情的危机应对和正确引导提供参考。[ 方法/ 过程] 选用微博微信社交平台构建双微耦合网络，利用改进传染病模型模拟网络舆情在双微耦合网络中横纵向传播过程，通过仿真实验分析基于用户心理特征的双微耦合网络舆情演化机理。[ 局限] 在案例选取和数据处理方面还有一定局限。[ 结果/ 结论] 仿真实验发现耦合作用能加速舆情传播，控制舆情传播要求对双微平台同时采取措施。猎奇心理对用户舆情传播影响较小，权威效应提高会使网络中传播者下降3%，从众心理过大会导致传播者数量增加6%。改进SEI2R 构建的舆情演化模型能够有效揭示社交媒体耦合网络舆情演化机制及用户心理特征对舆情演化的影响，可为相关部门舆情预防和控制提供参考。]]></description>
<pubDate>2023/8/4 16:55:10</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[张志霞，张俞]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202303010&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合情感分析与多元时间序列的区块链产业舆情监测研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301001&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 区块链技术被纳入“新基建”范畴后，其产业发展演进快、舆情热度高。本研究将情感因素纳入新兴产业网络舆情热度预测，探究区块链产业关注主题及发展态势。[ 方法 / 过程 ] 论文融合情感分析与多元时间序列特征提出舆情热度预测模型，采用 BERT-BiLSTM（Bi-directional Long Short-Term Memory, BiLSTM）方法对舆情文本分类并赋值，挖掘情感极性类别的主题，将不同情感倾向的情感值分别取绝对值累加，构建基于情感因素的多元时间序列特征体系，并输入 LSTM（Long Short Term Memory, LSTM）模型进行区块链产业舆情热度预测。[ 结果 / 结论 ]BERT-BiLSTM 在情感分类任务中准确率为 84%，其中消极和中性情感类属文本的成因主要为“对于区块链技术的不信任”和“缺乏区块链相关概念的了解”。在热度预测模型中，模型均方根误差（Root Mean Square Error，RMSE）降低17.67，平均绝对误差（Mean Absolute Error, MAE）降低 15.14，决定系数（R-Square，R2）提升 11%，模型总体性能良好。]]></description>
<pubDate>2023/4/25 14:28:55</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[刘颖，薛云龙]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301001&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于网评数据的游客印象挖掘与情感分析]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301002&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 从国内游客在线评论文本中分析挖掘出游客对目的地的潜在印象，有助于相关部门和企业了解游客的真正需求，从而科学规划目的地的发展，提升目的地的美誉度。[ 方法 / 过程 ] 通过构建词云图进行热词分析；通过 DBSCAN 密度聚类、构建语义网络关系图完成特色分析；通过提出一种基于 Bert 的双路神经网络融合的文本情感分类模型 TNNFMB(Two-way Neural Network Fusion Model Base on BERT) 结合迁移学习实现情感分析，以此挖掘游客的潜在印象。[ 结果 / 结论 ] 通过实验，总体挖掘分析出游客高度关注目的地的服务、环境、设施、性价比、位置、景点景色、景区项目，并验证了 TNNFMB 模型在分类准确率上比基线模型至少提升 3.06%，取得了更好的分类效果。]]></description>
<pubDate>2023/4/25 14:28:55</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[完颜兵，张超群，王大睿，李晓翔，郝小芳]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301002&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[突发事件下基于改进 K-Shell 分解的意见领袖识别研究]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301003&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 为实现突发事件网络舆情的精准管控，对突发事件中的意见领袖识别进行研究。[ 方法 / 过程 ] 针对 K-Shell 分解使得同一核层的节点具有相同 K-Shell 值的粗粒化分解问题，结合用户自身属性与用户交互行为对核心用户进行用户重要度因子量化，并通过重构各节点 K-Shell 值的计算方法来加以改进；在此基础上定义以转发比例为权重的相邻用户重要度贡献值，从而构建一套意见领袖的识别方法。[ 结果 / 结论 ] 以“郑州地铁 7·20 事件”为例，进行实证分析。结果表明突发事件中意见领袖主要由主流媒体与自媒体两类用户组成，且意见领袖的特征与类型随舆情生命周期的变化而变化。本文提出的意见领袖识别方法能够精确地给出意见领袖的排名，较 K-Shell 分解法识别效率更高，较社交平台传统的排序方法更具可解释性。]]></description>
<pubDate>2023/4/25 14:28:56</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[芦子涵，郑中团]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301003&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[突发事件中政府话语的受众反向认知影响因素研究——基于 2011—2020 年 1 500 起突发事件的实证分析]]></title>
<link><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301004&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[[ 目的 / 意义 ] 突发事件中政府话语的受众反向认知现象对政府舆情应对乃至公信力形成挑战，因此有必要对其进行分析，以期为突发事件管理实践提供参考。[ 方法 / 过程 ] 本文采用内容分析法，选取 2011—2020 年 1 500 起突发事件展开实证研究，分析突发事件中政府话语传播的受众反向认知现状，并从突发事件属性、事件传播属性、政府话语属性方面，考察政府话语反向认知的影响因素。[ 结果 / 结论 ] 研究发现，突发事件属性、政府话语属性对政府话语反向认知的影响最强，影响反向认知最为显著的因素依次为：突发事件类型、事件问责情况、事件所属行业、政府话语发布平台、政府情感话语运用、事件发生地、政府回应时效、舆情持续时间等。]]></description>
<pubDate>2023/4/25 14:28:56</pubDate>
<category><![CDATA[舆情分析]]></category>
<author><![CDATA[张旭阳]]></author>
<guid><![CDATA[http://tie.istic.ac.cn/qbgc/ch/reader/view_abstract.aspx?file_no=202301004&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>