基于情感分析的微博舆情演化时空分析方法

本文主要探讨了一种创新的网络舆情演化分析方法，该方法专注于微博这类短文本数据的情感分析。作者何天翔、张晖、李波和杨春明、赵旭剑分别来自西南科技大学计算机科学与技术学院和中国科学技术大学计算机科学与技术学院，他们针对微博中海量且具有强烈情感色彩的信息，提出了一个以情感值为关键特征的分析框架。 首先，该方法以微博作为研究对象，充分考虑了短文本的特点，即信息量大但篇幅短，且情感表达相对直观。它将微博数据按照时间进行分片，每一片数据都对应一个特定的时间段，便于捕捉舆情随时间的变化趋势。然后，使用动态主题模型（DTM，Dynamic Topic Model）对这些情感特征进行深入挖掘，识别出不同时间段内的主导话题和情感倾向，从而实现舆情的演化分析。 通过实验验证，这种方法在微博数据的划分和舆情变化时间节点的定位上表现出了较高的准确性和有效性。这不仅提高了舆情分析的时效性，帮助分析人员实时了解公众舆论的热点和情感走向，而且有助于商业决策者评估市场反馈，政府机构进行公共政策制定时也能更好地理解民意。 此外，文中提到的方法还具备信息核实的功能，例如通过对比历史信息来检测信息的一致性，提升涉税信息的准确性，并利用二次审核机制发现潜在的问题，增强了舆情分析的深度和全面性。 这种基于情感分析的网络舆情演化分析方法为理解和管理在线社交平台上的舆情提供了新的视角和技术手段，对于推动社交媒体时代的舆情预警和管理具有重要意义。