中美貿(mào)易摩擦是當(dāng)下國(guó)際熱點(diǎn)議題,其趨勢(shì)與發(fā)展對(duì)國(guó)際經(jīng)濟(jì)格局與國(guó)際關(guān)系網(wǎng)都會(huì)產(chǎn)生不可估量的影響。兩國(guó)貿(mào)易博弈中,新聞報(bào)道是中美兩國(guó)獲取貿(mào)易戰(zhàn)的話語(yǔ)權(quán)與主導(dǎo)權(quán)的主要途徑。CNN與人民網(wǎng)作為兩國(guó)最具影響力的媒體組織之一,在國(guó)內(nèi)外都擁有廣泛的用戶群體。這兩家媒體在國(guó)際輿論場(chǎng)上的巨大影響力,直接影響了中國(guó)與美國(guó)國(guó)家形象的建構(gòu),因此,以CNN與人民網(wǎng)作為研究對(duì)象,探究?jī)杉颐襟w在中美貿(mào)易摩擦中如何建構(gòu)中美的國(guó)家形象以及報(bào)道策略,具有典型性與代表性。本文采用內(nèi)容分析法與比較研究法,根據(jù)報(bào)道中詞語(yǔ)的情感態(tài)度,推測(cè)雙方報(bào)道的情感分布情況;依照?qǐng)?bào)道中詞語(yǔ)出現(xiàn)的概率分布,建立相應(yīng)的LDA模型,推測(cè)人民網(wǎng)與CNN報(bào)道的主題分布情況;最后,根據(jù)實(shí)驗(yàn)結(jié)果,分別建構(gòu)出人民網(wǎng)中的美國(guó)形象與CNN中的中國(guó)形象,并就雙方媒體的報(bào)道情況進(jìn)行比較分析。經(jīng)過(guò)實(shí)證研究,發(fā)現(xiàn)以下核心觀點(diǎn):第一,雙方報(bào)道的數(shù)量與篇幅與貿(mào)易摩擦的局勢(shì)起伏有直接關(guān)聯(lián)性。在樣本時(shí)間范圍內(nèi),中美貿(mào)易關(guān)系存在四個(gè)激烈沖突期與四個(gè)緩和期,不同周期之間的轉(zhuǎn)化取決于美國(guó)方面的態(tài)度變化,這也直接影響了人民網(wǎng)與CNN的報(bào)道數(shù)量。其中,CNN關(guān)于貿(mào)易摩擦的報(bào)道在其涉華報(bào)道... 

【文章來(lái)源】：云南財(cái)經(jīng)大學(xué)云南省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究框架

第二章對(duì)人民網(wǎng)關(guān)于中美貿(mào)易摩擦報(bào)道的內(nèi)容分析16第二章人民網(wǎng)關(guān)于中美貿(mào)易摩擦報(bào)道的內(nèi)容分析第一節(jié)報(bào)道數(shù)據(jù)收集在收集人民網(wǎng)中所有涉美報(bào)道時(shí)，分別使用關(guān)鍵詞“美國(guó)”、“美方”、“貿(mào)易戰(zhàn)”、“貿(mào)易摩擦”進(jìn)行檢索，并將檢索結(jié)果進(jìn)行匯總。在匯總結(jié)果中，使用關(guān)鍵詞“貿(mào)易戰(zhàn)”與“貿(mào)易摩擦”縮小報(bào)道范圍，確認(rèn)人民網(wǎng)關(guān)于中美貿(mào)易摩擦的報(bào)道。根據(jù)已經(jīng)表明的人民網(wǎng)報(bào)道數(shù)據(jù)收集策略，總共收集到26045篇關(guān)于美國(guó)的報(bào)道，其中涉及貿(mào)易戰(zhàn)的報(bào)道內(nèi)容有2418篇。在完成對(duì)數(shù)據(jù)的格式化，去除冗余數(shù)據(jù)后，下文將分別對(duì)報(bào)道數(shù)量、報(bào)道來(lái)源、報(bào)道形式、報(bào)道詞頻、報(bào)道態(tài)度、報(bào)道主題等方面依次進(jìn)行分析。本文使用NLP分析工具進(jìn)行情感分析時(shí)，采用了中文語(yǔ)義分析工具Jieba與英文語(yǔ)義分析工具Textblob，并對(duì)相關(guān)訓(xùn)練集字典進(jìn)行更新與程序改寫，同時(shí)提取出TOP20核心高頻詞匯。NLP的具體操作流程如圖2.1所示。圖2.1NLP情感判定流程本文將以篇為單位對(duì)新聞文本進(jìn)行處理，每個(gè)單句作為最小的計(jì)分單位，根據(jù)單句描述的對(duì)象是中國(guó)或美國(guó)，進(jìn)行區(qū)分。對(duì)每個(gè)單句進(jìn)行情感判定，匯總整篇文章的情感得分，計(jì)算算術(shù)平均，最后確定單篇新聞報(bào)道對(duì)于中國(guó)或者美國(guó)的情感態(tài)度得分，具體實(shí)施流程如圖2.2所示。

第二章對(duì)人民網(wǎng)關(guān)于中美貿(mào)易摩擦報(bào)道的內(nèi)容分析17圖2.2新聞文本情感判定流程在對(duì)中文文本內(nèi)容進(jìn)行判定時(shí)，根據(jù)中文工具Jieba的情感計(jì)算得分標(biāo)準(zhǔn)，其取值范圍為[0,1]，得分越接近于1，表示代表正面情感的概率越大，得分越接近于0，說(shuō)明代表正面情感的概率越小，即表達(dá)負(fù)面情感的概率較大，因此，本次研究將中文文本的態(tài)度分為以下三類，并根據(jù)情感得分進(jìn)行分類，具體分類如下：正面：在新聞文本中，大量使用具有正面意義的詞匯，諸如樂(lè)觀、戰(zhàn)勝、克服等詞匯，或者具有正面意義的詞匯遠(yuǎn)多于負(fù)面意義的詞匯，可認(rèn)為這類新聞文本具有較大的概率持有正面態(tài)度，其情感得分取值范圍設(shè)定在[0.65,1]之間。中立：在新聞文本中，同時(shí)出現(xiàn)具有正面與負(fù)面意義的詞匯，或者出現(xiàn)的正面或負(fù)面意義的詞匯并不足以決定文本的態(tài)度傾向，這類新聞文本的情感態(tài)度有較大概率處于中立水平，其情感得分取值范圍設(shè)定在[0.35,0.65]。負(fù)面：在新聞文本中，大量使用具有負(fù)面意義的詞匯，諸如令人擔(dān)憂、陷入困局、強(qiáng)烈譴責(zé)、嚴(yán)正抗議等，或者具有負(fù)面意義的詞匯遠(yuǎn)多于正面意義的詞匯，可認(rèn)為這類新聞文本具有較大的概率持有負(fù)面態(tài)度，其情感得分取值范圍設(shè)定在[0,0.35]之間。在進(jìn)行主題分類時(shí)，本文將采用LDA模型，其原理如圖2.3所示。LDA模型可以有效地對(duì)人民網(wǎng)與CNN關(guān)于中美貿(mào)易摩擦的新聞報(bào)道進(jìn)行主題分類，以此來(lái)推測(cè)人民網(wǎng)與CNN分別對(duì)中國(guó)和美國(guó)建構(gòu)怎樣的媒介鏡像。圖2.3LDA模型推測(cè)主題分類流程

【參考文獻(xiàn)】：
期刊論文
[1]“看”中國(guó):作為“他者”的國(guó)家形象建構(gòu)——基于Facebook“中國(guó)文化”系列短片的文本分析[J]. 沈霄.  西安交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(05)
[2]“中美貿(mào)易戰(zhàn)”涉華輿情、層級(jí)成因及對(duì)策研究:基于Youtube平臺(tái)的考察[J]. 石家宜,郭繼榮.  情報(bào)雜志. 2019(08)
[3]中美公眾的文化交流與國(guó)家形象認(rèn)知調(diào)查（2017～2018）[J]. Institute of National Communication Strategy(INCS, HUST);.  人民論壇·學(xué)術(shù)前沿. 2019(09)
[4]中國(guó)的和平崛起與中美貿(mào)易戰(zhàn)[J]. 陳繼勇,楊旭丹.  華南師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(02)
[5]修辭較量:沖突情境下的反修辭策略——基于中美關(guān)于貿(mào)易摩擦新聞報(bào)道的比較研究[J]. 葉俊,王苑奇.  蘭州大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(02)
[6]視覺(jué)文化中的反凝視及其批判性思考:基于對(duì)《新聞聯(lián)播》“中美貿(mào)易戰(zhàn)”報(bào)道的分析[J]. 石谷巖.  新聞春秋. 2018(04)
[7]基于語(yǔ)料庫(kù)的人民網(wǎng)關(guān)于女博士形象的歷時(shí)建構(gòu)研究[J]. 符小麗.  信陽(yáng)師范學(xué)院學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2018(06)
[8]中美貿(mào)易戰(zhàn)本質(zhì)、影響及對(duì)策分析[J]. 俞萍萍,趙永亮.  現(xiàn)代管理科學(xué). 2018(11)
[9]認(rèn)同的閾限:媒介消費(fèi)與移民身份的建構(gòu)——以新西蘭報(bào)刊廣告為鏡像[J]. 曹小杰.  新聞與傳播研究. 2018(09)
[10]論中美貿(mào)易戰(zhàn)對(duì)中國(guó)企業(yè)轉(zhuǎn)型的影響及對(duì)策[J]. 肖瑤.  現(xiàn)代商貿(mào)工業(yè). 2018(29)



本文編號(hào)：3374870