《融合用户特征与多级文本倾向性分析的网络意见领袖识别》

  • 来源专题:图书情报
  • 编译者: xuxue
  • 发布时间:2018-08-09
  • 网络事件中,意见领袖能够传播信息、扩大影响力、引导舆论方向。为了识别意见领袖,文章引入多级文本倾向性分析,自动将文本识别为非常正面、正面、中立、负面和非常负面5种情感倾向,更加精确地表征网民对博主的支持度。在此基础上,进一步融合多种用户特征,构建系统的网络意见领袖识别指标体系,基于新浪微博的真实数据,进行意见领袖识别,并与未加支持度指标的模型以及支持度两级分类模型进行对比,验证了方法的有效性。

相关报告
  • 《基于异质图注意力网络与多特征融合的跨社交媒体用户识别研究》

    • 来源专题:数智化图书情报
    • 编译者:杜晴
    • 发布时间:2024-12-26
    • 跨社交媒体用户识别对于网络舆情的协同治理以及用户偏好的全方位识别与预测具有重要的指导意义。针对现有方法存在数据表达能力弱、忽略用户信息的动态性和关联性的问题,本文提出一种融合异质特征嵌入与实体动态关联的跨社交媒体用户识别模型。首先,整合用户的基本属性、生成内容和社交结构信息,构建各个社交媒体的异质信息网络;其次,通过设计新的元路径识别策略构造邻接矩阵,使用异质图注意力网络模型汇聚用户节点信息,增强节点特征的表示能力;再其次,引入了3种连续时间衰减函数,对跨社交媒体的实体相似矩阵进行加权,增强实体之间的动态关联;最后,融合单社交网络和跨社交网络中的以上特征,利用多层感知机实现跨社交媒体用户的识别和预测。在微博-知乎真实数据集中的研究结果显示,本文模型的整体性能优于其他基准模型,特别是线性衰减函数,其展现了最佳效果,且本文提出的元路径识别策略对提升用户识别效果具有重要作用。
  • 《高校突发事件网络舆情中用户情感演化 与负面评论归因分析研究》

    • 来源专题:数智化图书情报
    • 编译者:程冰
    • 发布时间:2025-07-22
    • 【目的/意义】对由高校突发事件引起的网络舆情中网络用户的情感热度演化过程进行分析,挖掘其中的用户负面情绪影响因素,有助于掌握高校舆情演化规律,辅助高校管理者及时采取有效应对措施治理网络舆情事件。 【方法/过程】采用CNN-BiLSTM融合模型对微博评论文本进行情感倾向性分析,以小时为单位计算舆情情感热度值,依据舆情生命周期理论划分其热度演化阶段,对不同阶段内的用户负面评论文本进行关键词提取,对其进行词云分析与共现网络分析,以此得到归因体系。【结果/结论】依据两个典型案例构建了校园安全类突发事件中用户负面评论四级归因体系,发现在用户情感演化的不同阶段内用户负面评论的一级归因要素主要是内部归因和外部归因。内部归因的二级归因要素主要有同理心和个人处境,而外部归因的二级归因要素则包括事件主体、事件分析 以及采取措施。【创新/局限】将情感演化与归因分析方法进行了结合,更为细致地分析出用户在不同时期产生负面情绪的原因,但由于缺乏要素权重分析,归因体系完备程度有所欠缺。