没有合适的资源?快使用搜索试试~ 我知道了~
首页基于微博数据挖掘的突发事件舆情演化分析--以艾尔玛飓风为例
基于微博数据挖掘的突发事件舆情演化分析--以艾尔玛飓风为例
需积分: 44 581 浏览量
更新于2023-06-01
评论 3
收藏 1.1MB PDF 举报
基于微博数据挖掘的突发事件舆情演化分析--以艾尔玛飓风为例,魏洁,张凌,[目的/意义] 探索突发事件中不同情感微博对信息传播量的影响,进而发现舆情传播的特点和规律,为舆情分析与决策提供依据。[方法/�
资源详情
资源评论
资源推荐

http://www.paper.edu.cn
- 1 -
中国科技论文在线
基于微博数据挖掘的突发事件舆情演化分
析--以艾尔玛飓风为例
魏洁
1
,张凌
1,2**
(1. 武汉科技大学管理学院 武汉 430081; 5
2. 武汉科技大学管理学院服务科学与工程研究中心 武汉 430081)
摘要:[目的/意义] 探索突发事件中不同情感微博对信息传播量的影响,进而发现舆情传播
的特点和规律,为舆情分析与决策提供依据。[方法/过程]以特定舆情事件的事实文本数
据为来源,以细粒度情绪和生命周期理论为指导,设计研究流程,最终实现以微博数据挖掘
的突发事件舆情演化分析。[结果/结论]微博舆情演化分析方法能够揭示面向特定事件的微博10
在突发事件中所对应的微博细粒度情绪、生命周期各阶段的传播性强弱,以及剖析各阶段对
应的细粒度情绪演化规律,研判出分布在文字当中有关联性的、代表性的、重要的微博情绪。
关键词:舆情演化;突发事件;生命周期;内容分析;信息传播
中图分类号:G20
15
Evolution Analysis of Emergency Public Opinion Based on
Microblog Data Mining--A Case Study of Hurricane Irma
Wei Jie
1
, Zhang Ling
1,2
(1. Schoolof Management, Wuhan University of Science and Technology, Wuhan 430080,China;
2. Center for Service Science and Engineering, Wuhan University of Science and Technology, 20
Wuhan 430080, China)
Abstract: [Objective/Significance] Exploring the impact of different emotional Weibo on the amount of
information dissemination in social media and to discover the characteristics and laws of publicopinion
transmission, which can provide the basis for publicopinion analysis and decision making.
[Method/Process] This study is based on the text data of a true public opinion event. Guided by 25
fine-grained emotions and life cycle theory, the research process is designed to realize the evolution
analysis of public opinion in emergencies based on Weibo data mining. [Results/Conclusions] The
Weibo public opinion evolution analysis method can reveal the fine-grained emotions of Weibo
corresponding to specific events in the emergencies, the propagation strength of each stage of the life
cycle, and the fine-grained emotion evolution law corresponding to each stage. The study judged the 30
representative, important and important Weibo emotions distributed in the text.
Key words: public opinion evolution; emergencies; life cycle; content analysis; Information
Dissemination
0 引言 35
随着移动互联网技术的蓬勃发展和移动终端应用的普及,以微博为代表的在线社交媒体
迅速时兴起来,成为突发事件舆情传播的重要平台。微博是一个基于网络用户关系为中心,
以转发、关注、点赞和评论为联系纽带的信息传播、分享及获取的平台。而与传统传播平台
作者简介:魏洁(1993-),女,主要研究方向:信息与知识管理
通信联系人:张凌,女,1981 年生,博士,副教授,硕士生导师,研究方向:知识与信息管理,网络舆情.
E-mail: 2698002675@qq.com

http://www.paper.edu.cn
- 2 -
中国科技论文在线
相比,微博中的信息和情感的交流与传播具有更加活跃、影响范围更大的特点
[1]
。另外,由
于微博使用的低门槛 、低成本、即时、简洁的信息发布方式使人们更热衷于将它作为个人40
情绪传播的首选通道,当情绪不断促进着网民们大规模的情绪共振与话语协同时,加剧了社
会情绪的失衡,而负面情绪的不断堆积即群体极化现象,是网络事件与社会冲突发生的温床。
例如 2017 年 9 月 6 号,加勒比发生了大规模飓风“艾尔玛”,随着受到破坏的规模日益扩
大,已经将加勒比海小岛绿洲变成涝地,而在它的下一站美国佛罗里达州 67 个区迅速进入
紧急状态。该突发事件已在微博上产生了数十万条数据,事件中出现的情绪,在舆情发展阶45
段的不同阶段具有不同的特点,如果不能进行合适的阶段划分,对各阶段情绪内容,特点进行
有效分析,因为信息不对称造成的恐慌和谣言不断发酵,一定程度上影响了社会稳定。因此,
在自然灾害等突发事件的紧急情况下,识别在线社交媒体的中情绪,并分析网络演化各阶段
不同情绪的传播差异具有很强的现实意义。
及时判断突发事件中的情绪倾向,对突发事件进行预测与调控,能够帮助组织判断公众50
的信息需求并及时采取有效的措施进行疏导,从而避免发生情绪极化现象,影响社会秩序的
稳定。鉴于此,本研究拟构建基于微博数据挖掘的的突发事件舆情演化分析方法,揭示突发
事件的微博舆情传播演化机理,为突发事件的管理部门在舆情判断和风险预测方面提供科学
合理的决策依据。
1 相关研究 55
1.1 情感对信息传播的影响
近年来,学者们从网络结构
[2]
、节点属性
[3]
、内容
[4-6]
等几方面研究了影响信息传播的影响因
素,在内容方面的研究主要集中在情感的极性分析,包括正向和负向情感以及正、中、负 3
种情感态度。例如,Hansen 等人对大约 560,000 条推文分析情绪和转推之间的关系显示,关
于新闻的推文,相比正面推文,负面推文能够引发更高的生理唤醒,具有更高的传播性,而60
非新闻推文则相反
[7]
。Stieglitz
[8]
分析了大约 170,000 条与德国政治选举相关的推文,发现反
映唤醒度强弱的情感的“总量”(正负情感的极性绝对值之和)越高,转发量越多,转发速度
越快。Tsugawa分析了大约 400 百万条推文,并显示负面和正面推文的唤醒度高于中性推文,
会触发更高的转发量
[9]
。陈显龙
[10]
等以 2015 年的十大热点微博为例分析微博传播特性和情
感特性发现微博舆情情感值的绝对值越大,传播特性的指标越高,微博舆情的正向或负向能65
量峰值越大。张凌
[11]
等通过对电影“Mother!”探讨社交网络中影响信息传播的内在因素发现
负面强传播性信息比正面和中立强传播信息具有更显著的低情感强度和高认知强度特点。表
1 对目前的主要研究结论进行了模型概括和对比分析。然而,欲想充分表达人类复杂的内心
世界,基于二分类的情感分析是远远不够的,它不仅忽视了用户所表达的细微情绪变化,同
时也难以较全面地涵盖用户的心理状态,这些都加速了对基于多分类的细粒度情绪分析的需70
求。
现有的情感分类方法主要可分为两大类:基于机器学习的文本情感分析和基于词典和语
义的文本情感分析。基于机器学习的情感分析中,Pang 等
[12]
分别采用朴素贝叶斯、支持向
量机以及最大熵学习分类器对电影评论的情感进行分类研究,最后证明支持向量机的分类效
果最优。随着大数据时代的到来,半监督的学习方法可以充分利用少量人工标注的数据训练75
模型,而后预测大量未标注的数据,省去大量人工标注语料的过程。Huang 等
[13]
提出一种半
监督学习的情绪分类方法,采用少量人工选取的标签和情感符(emotion)来自动标注微博情

http://www.paper.edu.cn
- 3 -
中国科技论文在线
绪,其准确率可达 75.2%以上。在基于词典和语义的文本情感倾向分析中, 潘明慧
[14]
构建了
微博表情符词典 EmoDic 和中文情绪词典 SixDic,将 EmoDic 、SixDic 用来进行六类情绪识
别,实验正确率达到 61.7%。蒋盛益等
[15]
以 HowNet 词典和人工筛选来探索一种面向微博的 80
社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中,其平均准确率为
76.9%。
表 1.情感分析结论模型对比
1.2 微博舆情演化分析
用户在微博、社区和论坛中的社交活动往往都是现实生活对网络社会的映射,并且用户85
的情绪与其所关注的话题通常具有较强的连续性。而突发事件的演化过程往往具有一定的生
命周期,因此如若分析某起事件中民众情绪随舆情演化生命周期的动态变化可以较为准确地
捕捉舆情信息随生命周期传播的演化进程。在网络舆情的研究中,一般将舆情事件从发生到
衰退的整个经历过程定义为信息传播的生命周期。国外学者对生命周期比较著名的划分包括,
1976 年 Turner
[16]
根据灾难的发展进行了模型的描述,将灾难的演化进程分为六个阶段:开90
始点、潜伏期、急促期、爆发期、救援期、社会调整期;1986 年美国学者 Steven 将生命周
期理论引入到危机管理中,并提出危机传播四阶段理论:潜在期、爆发期、蔓延期和解决期
[17]
。此后,国内学者相关的划分包括李志宏等
[18]
将突发性公共危机的信息传播划分成五个阶
作者
研究内容
结论模型
Hansen
[7]
等人
新闻/非新闻
Stieglitz
[8]
等人
德国政治选举
Tsugawa
[9]
等人
无限定推文
陈显龙
[10]
等人
十大热点微博
张凌
[11]
等人
电影
剩余13页未读,继续阅读


安全验证
文档复制为VIP权益,开通VIP直接复制

评论0