發(fā)布時間：2020-07-26 17:45

【摘要】：網(wǎng)民作為網(wǎng)絡(luò)輿情的發(fā)聲主體,是推動網(wǎng)絡(luò)輿情進(jìn)程不可忽視的力量,在網(wǎng)絡(luò)輿情的形成、傳播、演化等各個環(huán)節(jié)均起著重要的作用。研究網(wǎng)絡(luò)中網(wǎng)民的特征以及行為對廣告營銷、個性化服務(wù)、控制網(wǎng)絡(luò)輿情的演化等方面均有著顯著的意義�；诰W(wǎng)絡(luò)輿情治理的需要,本文分別從網(wǎng)絡(luò)輿情中的網(wǎng)民特征和網(wǎng)民行為兩個角度對網(wǎng)民進(jìn)行剖析。本文先對網(wǎng)絡(luò)輿情中的網(wǎng)民特征開展研究。以新浪微博平臺上的用戶為例,基于社會認(rèn)同理論得到微博用戶分類的依據(jù):按照用戶偏好主題對用戶進(jìn)行分類。利用LDA主題模型對用戶發(fā)布的微博內(nèi)容進(jìn)行文本挖掘和使用多維標(biāo)度法找出偏好主題相似的用戶,實(shí)現(xiàn)微博用戶的分類。最后通過多項(xiàng)邏輯回歸模型提取不同群體的典型特征,完成微博用戶群畫像的構(gòu)建。結(jié)果顯示,微博上主要分為5類群體,且某些群體的成員易受到外群體的影響做出改變尋找新的積極認(rèn)同并闡述了不同微博群體用戶畫像的內(nèi)容。隨后本文在網(wǎng)民特征分析的基礎(chǔ)上進(jìn)而分析網(wǎng)民的行為。為了定量地刻畫出用戶復(fù)雜交互行為,挖掘出網(wǎng)絡(luò)輿情演化的規(guī)律,本文基于社會價值觀理論、復(fù)雜網(wǎng)絡(luò)理論、認(rèn)同理論確定兩個可以反映網(wǎng)民復(fù)雜交互行為的因素:創(chuàng)建新博弈連接的行為偏好以及維持博弈連接的時間長短,在此基礎(chǔ)上構(gòu)建網(wǎng)絡(luò)輿情演化博弈模型。研究表明在交互連接達(dá)到穩(wěn)態(tài)時,網(wǎng)絡(luò)輿情博弈的得益矩陣會發(fā)生改變,新的得益矩陣由原來得益矩陣中的元素乘以其相應(yīng)的博弈連接類型的活躍連接占比而構(gòu)成。本文定量地解釋相關(guān)主體間復(fù)雜的交互行為,研究結(jié)果對網(wǎng)絡(luò)輿情危機(jī)處理以及疏導(dǎo),減少網(wǎng)絡(luò)輿情事件對社會的危害等都有參考價值。結(jié)合網(wǎng)絡(luò)輿情中的網(wǎng)民特征和網(wǎng)民行為的研究內(nèi)容,本文提出相應(yīng)的網(wǎng)絡(luò)輿情治理建議,有助于提高決策者的治理水平。
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：C913.4;C912.68
【圖文】：

圖 1-1 研究流程圖Figure 1-1 The Studying Process 研究方法本文擬采用了文獻(xiàn)研究、定量分析、個案研究和模型等研究方法：1. 文獻(xiàn)研究法以網(wǎng)絡(luò)輿情和網(wǎng)民分析為主題，調(diào)查文獻(xiàn)，全面地、正確地了解掌握相關(guān)的研究這有助于了解有關(guān)問題的歷史和現(xiàn)狀及確定研究課題。盡可能充分地消化和吸題國內(nèi)外有關(guān)的文獻(xiàn)成果，尋找本課題問題的分析手段和有效工具。2. 定量分析法利用定量分析的方法研究網(wǎng)民之間復(fù)雜的交互行為，以便更加科學(xué)地揭示輿情間交互規(guī)律，把握輿情演化本質(zhì)，預(yù)測網(wǎng)絡(luò)輿情的發(fā)展趨勢。

圖 2-1 LDA 主題模型生成過程Figure 2-1 LDA Process文檔所對應(yīng)的多項(xiàng)分布 中選擇一個主題Z ，然后在一個詞語W ，重復(fù)這個過程dN 次可以產(chǎn)生該用戶完文檔總詞頻數(shù)， 、 和w是可觀測變量。給定超參 、主題向量 1 2, ,nZ Z Z Z和單詞向量 1 2,w w w 1, , | , | | | ,Nn n nnp Z w p p Z p w Z 是對應(yīng)nZ i的i 的分量。上式對 和Z 在全部取值 和 ，便得到一篇文檔中的單詞的邊緣分布，如公式 1w | , | Z | w | ,Nn n np p p p Z d文檔的文檔集：

圖 3-1 基于輿情主題構(gòu)建用戶畫像流程圖Figure 3-1 Build user portrait flowchart based on public opinion theme微博群體用戶畫像博用戶信息采集微博社交平臺上的網(wǎng)民為例，通過爬蟲獲取到新浪微博平臺上的用戶新浪微博中分別選出滿足新浪微博自定義的 44 種標(biāo)簽的熱門微博，的方法抓取底下評論的用戶信息，抓取內(nèi)容包括用戶名、用戶性別、粉絲量、用戶微博量、用戶微博等級、用戶年齡、用戶地區(qū)、用戶簡微博文本內(nèi)容。為了排除用戶偏好分布隨著時間變化發(fā)生改變的情頁下發(fā)布的微博第一頁的文本內(nèi)容。獲得的數(shù)據(jù)包括367個有效用戶25 條微博文本。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李連鐵;鄭雪芳;周姣;;秦皇島網(wǎng)絡(luò)輿情監(jiān)測研究[J];環(huán)渤海經(jīng)濟(jì)w

本文編號：2771092