大数据环境下社会舆情及其演化分析研究，本文主要内容关键词为：舆情论文,分析研究论文,环境论文,社会论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
主持人：王曰芬 主持人导语 当前，我国正处于全球化与西方发达国家再工业化影响下向工业化转型的发展期，各级政府既要面对社会转型中的种种复杂性，也要面对新技术革命背景下信息技术、互联网技术“后发”优势带来的，从国际到国内、从宏观到微观各个场域的变化及挑战，尤其是新技术发展带来了社会形态的崭新变化以及与媒介融合的社会舆情传播新生态。在这个新生态下，数字技术催生的网络诱致、放大、介入或主导的社会舆情事件频发，导致社会舆情发展及演化呈现更为复杂的传播特点与路径，传播形式的多元化、信息数量的海量化、数据类型的异构与多样化、信息内容的高度分散化与各种会话的碎片化，以及使得运用传统的研究方法进行的社会舆情信息的获取、组织与分析面临着严峻的挑战，进而导致社会舆情分析的质量呈现相对下降的趋势，并使得基于社会舆情分析的决策风险呈现加大的趋势。因此，网络舆情研究在理论与实践的紧密结合中需要不断拓展和创新，面向网络舆情的传播要素、要素之间的关联、影响及作用等研究引起了社会的广泛关注和重视。我们正在承担的国家社会科学基金重点项目“大数据环境下社会舆情与决策支持方法体系研究”（项目批准号：14AZD084）以社会舆情信息为研究对象，以面向政府公共决策支持为目标，借助于应运而生的大数据思维与大数据技术在数据存储、事件关联及预测上的功能，研讨构建将图书情报、新闻传播、决策理论、公共管理、心理学、计算机科学等多学科融合的方法体系，跟踪与获取关联舆情、抽取舆情特征项并系统组织同类舆情信息，挖掘舆情信息可利用的价值，使社会舆情信息转化为支持政府决策的知识，为决策者从事研判与预测提供服务，支撑决策者根据“过去正确地行事”模式选择“将来做正确的事”。 本专题的4篇文章是本项目的部分研究成果：（1）《微博舆情社会网络关键节点识别与应用研究》在对国内外相关文献进行调查与梳理的基础上，从社会网络结构角度出发，设计舆情数据爬取系统，运用社会网络分析法来探索舆情网络中关键节点的识别与应用。具体应用时，以新浪微博为研究平台，通过爬虫系统抓取舆情数据并解析，构建微博舆情社会网络，运用改进PageRank算法对舆情网络中的关键节点进行识别与评价，实验结果证明论文所用算法是有效的。（2）《网络舆情事件中微博用户行为特征和关系分析——以新浪微博“雾霾调查：穹顶之下”为例》以分析危机公共事件的传播结构特点与演化规律并支持政府决策为目标，以网络舆情的传播过程中生成的传播网络和用户行为特征及行为关系为研究内容。在对社交媒体研究现状、重点及难点分析的基础上，选择以新浪微博为研究平台，爬取与处理在微博平台上传播的有关舆情事件的关键字段信息，分析信息中所揭示舆情事件传播中的用户行为特征。进一步从采集到的用户发布数、评论数、转发数等信息特征入手，借助数据的相关分析、偏相关分析、回归分析等方法研究用户行为关系。（3）《中英文突发事件话题演化对比研究——以H7N9微博为例》针对在突发公共事件发生发展过程中，不同国别或语种的网民由于语言本身和文化差异，使同一突发事件在不同语种微博平台上的话题及其演化呈现出的差异。从新浪微博和Twitter中抓取突发事件语料，根据主题模型确定候选话题，通过对候选话题进行聚类，确定更为合适的话题数，然后根据主题模型结果计算相邻时间片话题之间的相似度，在此基础上分析话题的演化，最终完成中英文话题演化的比较分析。（4）《基于SVM的中文微博情绪分析研究》为了更深入、准确地分析社会舆情情绪，以中文微博舆情信息为研究对象，结合心理学和自然语言处理，将微博情绪划分为乐、怒、哀、恶、惧五大类。然后在类别划分的基础上，使用情感特征、句式特征、句间特征来表示微博情绪，并借助于SVM模型形成了微博情绪分类模型。最后借助NLP&CC2013的公开评测数据对提出的模型进行了验证。 这组文章主要以微博平台上传播的社会舆情事件为研究对象，以舆情数据抓取、处理与分析为主线，通过对不同舆情数据所表达出的属性特征进行处理与关联分析的方法及其应用研究，以发现舆情数据特征项可以被挖掘利用的价值。研究过程中借助于已有的理论与方法或者改进现有的方法分析实际问题，以为后续的决策支持研究提供方法论基础。经过对舆情数据爬取、社会网络构建及其关键节点识别、微博舆情用户行为特征与关系数据分析、舆情情绪分类分析、中英文舆情事件话题演化分析等研究，探讨了社会网络分析法、PageRank、统计分析方法、SVM、主题模型等方法在社会舆情分析中的效用与可行性，并提出和验证了相应的改进算法或模型，开发了可实用的系统，这些研究将是大数据环境下社会舆情与决策支持方法体系的重要组成部分。