[目的/意義]識(shí)別出微博群體性事件熱度的影響因素,有利于快速了解、掌握微博群體性事件的發(fā)展情況,并及時(shí)做出防控處理。[方法/過(guò)程]首先,運(yùn)用德?tīng)柗品ㄒ约皢?wèn)卷調(diào)查方法,構(gòu)建微博群體性事件熱度的影響因素指標(biāo)體系;然后,運(yùn)用DEMATEL方法進(jìn)行關(guān)聯(lián)分析,識(shí)別出主要影響因素;最后,用敏感性分析法檢驗(yàn)識(shí)別結(jié)果。[結(jié)果/結(jié)論]構(gòu)建了影響微博群體性事件熱度的影響因素指標(biāo)體系,并結(jié)合數(shù)據(jù)分析圖,識(shí)別出影響微博群體性事件熱度的主要因素。 

【文章來(lái)源】：科技情報(bào)研究. 2020,2(04)

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

中心-原因敏感性分析圖

中心-原因敏感性分析圖

由圖2敏感性分析結(jié)果可知，分別改變專(zhuān)家權(quán)重后，觀(guān)察橫軸從左至右排列順序，指標(biāo)因素基本無(wú)順序改變；觀(guān)察縱軸的大小排序，因素H7、H8、H9的位置發(fā)生較小變化，其余基本無(wú)順序變化。因此，可排除某位專(zhuān)家較強(qiáng)主觀(guān)性的影響結(jié)果，證明DEMATEL分析結(jié)果能夠反映客觀(guān)事實(shí)，可繼續(xù)進(jìn)行結(jié)果分析。圖2 中心-原因敏感性分析圖

【參考文獻(xiàn)】：
期刊論文
[1]基于SVM的網(wǎng)絡(luò)信息繭房層次敏感影響因素識(shí)別研究[J]. 王益成,王萍,王美月.  情報(bào)資料工作. 2019(06)
[2]基于皮爾遜相關(guān)系數(shù)的網(wǎng)絡(luò)輿情評(píng)估指標(biāo)體系構(gòu)建研究[J]. 覃玉冰,鄧春林,楊柳.  情報(bào)探索. 2018(10)
[3]在線(xiàn)醫(yī)療社區(qū)知識(shí)貢獻(xiàn)行為的關(guān)鍵影響因素識(shí)別與分析[J]. 孫悅,張向先,韓曉宏.  圖書(shū)情報(bào)工作. 2018(11)
[4]面向輿情大數(shù)據(jù)的突發(fā)事件網(wǎng)絡(luò)民意熱度評(píng)價(jià)研究[J]. 蘇國(guó)強(qiáng),劉芊汝,薛信朋,夏一雪.  內(nèi)江科技. 2017(07)
[5]基于多特征的熱門(mén)微博預(yù)測(cè)算法研究[J]. 鄭志蘊(yùn),江國(guó)林,張行進(jìn),王振飛,李鈍.  小型微型計(jì)算機(jī)系統(tǒng). 2017(03)
[6]基于新浪熱門(mén)平臺(tái)的微博熱度評(píng)價(jià)指標(biāo)體系實(shí)證研究[J]. 梁昌明,李冬強(qiáng).  情報(bào)學(xué)報(bào). 2015 (12)
[7]基于改進(jìn)人口模型的微博話(huà)題趨勢(shì)預(yù)測(cè)[J]. 何炎祥,劉健博,劉楠,彭敏,陳強(qiáng),何靜.  通信學(xué)報(bào). 2015(04)
[8]網(wǎng)絡(luò)輿情事件的灰色預(yù)測(cè)模型及案例分析[J]. 李文杰,化存才,何偉全,張芳.  情報(bào)科學(xué). 2013(12)
[9]微博群體性事件成因及其控制策略研究[J]. 李蕾.  甘肅科技縱橫. 2013(08)
[10]對(duì)微博輿情熱度監(jiān)測(cè)及預(yù)警的指標(biāo)體系的研究[J]. 王長(zhǎng)寧,陳維勤,許浩.  計(jì)算機(jī)與現(xiàn)代化. 2013(01)

碩士論文
[1]基于DEMATEL突發(fā)事件網(wǎng)絡(luò)輿情熱度評(píng)價(jià)影響因素研究[D]. 黃怡璇.西南科技大學(xué) 2018
[2]微博群體性事件研究[D]. 折江虹.山西大學(xué) 2015
[3]微博時(shí)代群體性突發(fā)事件治理研究[D]. 祁曉菲.中國(guó)石油大學(xué)(華東) 2014



本文編號(hào)：3059789