报告

基于用户特征的北京市网民微博空间社会情绪研究

摘要

本文以微博空间中的北京市网民作为研究对象,获取并分析了其在微博空间中的特征;进而筛选重大热点事件并对其分类,对事件中北京市微博网民的评论内容进行了分析;最后,探索了微博空间中社会情绪疏解的对策与建议。

作者

陈杰 ,北京交通大学副教授、博士,主要从事交通舆情、新媒体数据挖掘、计算传播等相关研究,主持或参与多项网络舆情相关研究。

参考文献 查看全部 ↓
  • 1.张结海:《社会情绪研究在中国:概念、测量、成因与疏导》,《社会学》2015年第2期。
  • 2.王俊秀:《社会情绪的结构和动力机制:社会心态的视角》,《云南师范大学学报》(哲学社会科学版)2013年第5期。
  • 3.刘行芳:《社会情绪的网络扩散及其应对》,《新闻爱好者月刊》2011年第12期。
  • 4.赵玉芳、张庆林等:《西部大开发的社会认知研究》,新华出版社,2006。
  • 5.张润泽、杨华:《转型期乡村治理的社会情绪基础:概念、类型及困境》,《湖南师范大学社会科学学报》2006年第4期。
  • 6.北京社会心理研究所:《北京社会心态分析报告(2013~2014)》,社会科学文献出版社,2014。
  • 7.何跃、邓唯茹、张丹:《中文微博的情绪识别与分类研究》《情报杂志》2014年第2期。
  • 8.董颖红、陈浩、赖凯声等:《微博客基本社会情绪的测量及效度检验》,《心理科学》2015年第5期
  • 9.廖卫民:《网络舆情爆发时的社会情绪测量及其结构分析——以李某某案为例》,《浙江理工大学学报》(社会科学版)2016年第2期。
  • 10.谢君玮:《微博公共事件与社会情绪的内容分析》,苏州大学硕士学位论文,2016。
  • 11.罗坤瑾:《微博公共事件与社会情绪共振研究文献综述》,《学术论坛》2013年第10期。
  • 12.彭希羡、朱庆华、刘璇:《微博客用户特征分析及分类研究——以“新浪微博”为例》,《情报科学》2015年第1期。
  • 13.何跃、张月、肖敏等:《微博社区内不同情绪的传染关系研究——以亚航失联事件为例》,《统计与信息论坛》2017年第8期。
  • 14.Chew Yean Yam. Emotion Detection and Recognition from Text Using Deep Learning. https://www.microsoft.com/developerblog/2015/11/29/emotion-detection-and-recognition-from-text-using-deep-learning/,2015.
  • 15.Hasan,M.,Rundensteiner,E.,Kong,X.,and Agu,E.2017. Using Social Sensing to Discover Trends in Public Emotion. In Proceedings of the 11th IEEE International Conference on Semantic Computing(ICSC)2017. IEEE.
  • 16.Peng T-Q,Sun G.,Wu Y.(2017) Interplay between Public Attention and Public Emotion toward Multiple Social Issues on Twitter. PLoS ONE 12(1):e0167896. https://doi.org/10.1371/journal.pone.0167896.
  • 17.冯超:《信息化时代网络舆论与社会情绪共振机制研究——以乌克兰事件为例》,《商丘职业技术学院学报》2015年第3期。
  • 18.李婷:《我国社会情绪与网络表达的互动影响研究》,华中科技大学硕士学位论文,2014。

基于用户特征的北京市网民微博空间社会情绪研究

可试读20%内容 PDF阅读 阅读器阅览

试读已结束,剩余80%未读

¥10.43 查看全文 >

VIP免费

报告目录

  • 一 研究背景与意义
  • 二 相关研究综述
    1. (一)社会情绪的概念
    2. (二)社会情绪的测量
    3. (三)微博空间的社会情绪研究
    4. (四)国外对于社会情绪的相关研究
  • 三 研究目标、内容和方法
    1. (一)研究目标
    2. (二)研究内容和方法
      1. 1.新浪微博中北京市网民的用户特征分析
      2. 2.对重大热点事件在新浪微博传播中的社会情绪进行识别与测量
      3. 3.研究用户在事件中的社会情绪及社会情绪疏导策略
  • 四 研究实施
    1. (一)新浪微博中北京市网民的用户特征分析
      1. 1.数据获取工具
      2. 2.数据获取、预处理及存储
      3. 3.微博用户特征提取
    2. (二)微博热点事件的社会情况识别与测量
      1. 1.微博重大/热点事件筛选
      2. 2.数据抓取、清洗及存储
      3. 3.文本分词工具准备
      4. 4.情绪词典构建
      5. 5.情绪分析模型构建
      6. 6.情绪识别与分析
    3. (三)微博用户在重大事件中表现的社会情绪
      1. 1.基于知微平台的热点事件分析
      2. 2.微博评论观点分析
      3. 3.评论文本的词云分析
  • 五 研究结果
    1. (一)新浪微博中北京市网民的用户特征
      1. 1.北京各城区微博用户数量
      2. 2.北京各城区微博用户数量增长趋势
      3. 3.北京各城区微博用户抽样特征
    2. (二)微博空间中北京网民的社会情绪
      1. 1.北京市网民在微博事件中的参与情况
      2. 2.微博评论观点分析
      3. 3.评论文本的词云分析
      4. 4.不同事件中的情绪倾向
  • 六 疏解对策与建议
    1. (一)微博空间仍然是网络空间治理的重要场所
    2. (二)重点关注微博用户量突出的城区
    3. (三)建立网络社会情绪识别与预警机制

报告图片/图表

查看更多>>>