近幾年,隨著公眾對生態(tài)環(huán)境服務訴求的逐步提高,環(huán)境質(zhì)量尤其大氣環(huán)境質(zhì)量變化被公眾高度關(guān)注。同時,伴隨著手機等智能終端的普及應用,越來越多的人選擇通過微博等社交網(wǎng)絡媒體表達對區(qū)域環(huán)境質(zhì)量的感知意向和情緒感受。這種環(huán)境情緒可能對社會公眾情緒產(chǎn)生一定的作用,不合理的輿論導向可能會引發(fā)不良社會問題。如何獲取這些公眾感知意向和情緒感受的信息,如何實時掌握公眾環(huán)境感知意向和情緒感受的變化規(guī)律,是當前生態(tài)環(huán)境公眾滿意度管理的重要內(nèi)容,對于環(huán)保部門科學決策和及時的公眾輿論引導都具有重要的社會意義。本文以霧霾天氣影響下公眾感知為研究內(nèi)容和研究方法,從環(huán)境感知的角度提出公眾環(huán)境感知模型,挖掘公眾受霧霾天氣影響后環(huán)境感知的變化規(guī)律,為環(huán)保部門管理決策和公眾環(huán)境情緒輿情疏導提供決策依據(jù)。具體研究包括:（1）基于社會感知計算的公眾環(huán)境感知模型和方法研究。針對當前公眾環(huán)境感知理論模型方法較少,基于社會感知計算理論方法和社交網(wǎng)絡媒體數(shù)據(jù),提出了公眾環(huán)境感知模型。提出的公眾環(huán)境感知主要包括環(huán)境感知意向和環(huán)境感知情緒,分別給出了主要的研究理論基礎(chǔ)和方法,為基于社交媒體的公眾環(huán)境感知研究提供了基礎(chǔ)理論方法。（2）基于加權(quán)... 

【文章來源】：西北師范大學甘肅省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

春季感知意向加權(quán)網(wǎng)絡圖

第3章霧霾天氣下基于加權(quán)網(wǎng)絡的環(huán)境感知意向規(guī)律分析27圖3-4春季感知意向加權(quán)網(wǎng)絡圖圖3-5夏季感知意向加權(quán)網(wǎng)絡圖如圖3-4至圖3-7中，各個網(wǎng)絡節(jié)點代表各個感知熱點關(guān)鍵詞。節(jié)點的大小代表這個節(jié)點在所在網(wǎng)絡中該節(jié)點的度。節(jié)點的度表示該節(jié)點與其他節(jié)點直接相連的節(jié)點個數(shù)，即該節(jié)點的關(guān)鍵詞與其他關(guān)鍵詞的共現(xiàn)的程度，節(jié)點越大表示節(jié)點的度越高，結(jié)點的度可以反映出該節(jié)點在整個網(wǎng)絡中的重要性，節(jié)點的度越高，則該節(jié)點的重要性就越大。該特性可以方便的分辨出節(jié)點的特殊性和對整個網(wǎng)絡的影響性。而各熱點關(guān)鍵詞間的連線代表詞與詞間的共現(xiàn)關(guān)系，連線越緊密代表兩關(guān)鍵

西北師范大學碩士學位論文28詞之間共現(xiàn)的次數(shù)越多，共現(xiàn)次數(shù)高的熱點關(guān)鍵詞就意味著詞間關(guān)聯(lián)強度較大，即節(jié)點與節(jié)點之間的連邊相似權(quán)重較大。在整個加權(quán)網(wǎng)絡中，節(jié)點的聚類系數(shù)表示節(jié)點跟節(jié)點間互相成為鄰居的可能性，即刻畫了該加權(quán)網(wǎng)絡的緊密程度。聚類系數(shù)越高則鄰近節(jié)點間的緊密程度越大，即鄰近關(guān)注熱點間的關(guān)聯(lián)度較強，聚類系數(shù)可反映出熱點感知網(wǎng)絡中的公眾綜合關(guān)注意向，即環(huán)境感知意向。進一步可以分析一個網(wǎng)絡中的平均聚類系數(shù)，平均聚類系數(shù)可反映出整個社會網(wǎng)絡的拓撲結(jié)構(gòu)及權(quán)重分布的基本特性。圖3-6秋季感知意向加權(quán)網(wǎng)絡圖圖3-7冬季感知意向加權(quán)網(wǎng)絡圖

【參考文獻】：
期刊論文
[1]基于微博社交平臺的輿情分析[J]. 盛成成,朱勇,劉濤.  智能計算機與應用. 2019(01)
[2]基于卷積神經(jīng)網(wǎng)絡的微博輿情情感分類研究[J]. 張海濤,王丹,徐海玲,孫思陽.  情報學報. 2018(07)
[3]基于社會感知分析的新興技術(shù)發(fā)展趨勢研究——以鈣鈦礦太陽能電池技術(shù)為例[J]. 李欣,謝前前,洪志生,黃魯成.  科技進步與對策. 2018(10)
[4]中文微博情感傾向性分析研究[J]. 張彩琴.  太原師范學院學報(自然科學版). 2017(04)
[5]基于卷積神經(jīng)網(wǎng)絡的中文微博情感分類[J]. 馮多,林政,付鵬,王偉平.  計算機應用與軟件. 2017(04)
[6]基于卷積神經(jīng)網(wǎng)絡的互聯(lián)網(wǎng)短文本分類方法[J]. 郭東亮,劉小明,鄭秋生.  計算機與現(xiàn)代化. 2017(04)
[7]情感分類研究進展[J]. 陳龍,管子玉,何金紅,彭進業(yè).  計算機研究與發(fā)展. 2017(06)
[8]高寒生態(tài)脆弱區(qū)農(nóng)戶的氣候變化適應策略——以甘南高原為例[J]. 王亞茹,趙雪雁,張欽,雒麗.  地理研究. 2016(07)
[9]太湖污染中居民的環(huán)境感知與行動分析[J]. 馬道明.  河海大學學報(哲學社會科學版). 2015(06)
[10]陜北生態(tài)脆弱區(qū)農(nóng)民環(huán)境感知狀況及其影響因素[J]. 郭玲霞,封建民,孫鉑.  水土保持通報. 2015(04)

碩士論文
[1]基于CBOW-LDA主題模型的Stack Overflow網(wǎng)站熱點主題發(fā)現(xiàn)研究[D]. 張景.武漢大學 2018
[2]基于深度學習的中文文本情感分類方法研究[D]. 鄭艷輝.重慶大學 2018



本文編號：3424276