|
原日分享给各人的那篇钻研范文针对突发大众卫惹变乱，借助作做语言办理技术，快捷发掘言论热点和舆情演化特征，提升政府部门的应急打点才华。 将新冠肺炎疫情做为钻研案例，首先支集了疫情相关的微博文原，正在分别为埋伏期、爆发期、衰退期三个阶段的根原上，运用LDA主题模型和语义规矩构建的办法停行主题-激情的融合阐明，并联结疫情期间的新闻变乱探索了网络舆情的激情演化状况和负面言论的关注热点。 范文中的微博数据支集、激情阐明都可以通过GooSeeker数据管家来真现；LDA主题阐明可以用GooSeeker发布的Jupyter Notebook来计较。 1，微博数据支集 有关大众卫惹变乱的微博支罗可以运用GooSeeker微博支罗工具箱中的微博要害词搜寻支罗工具，输入要害词和支罗起始光阳就可以初步支罗数据。 2，激情阐明 激情阐明可以通过GooSeeker文原分词和激情阐明软件来真现。软件的界面很人性化，理科生可以间接无阻碍上手运用，次要罪能有：分词，要害词提与，人工挑选，词频统计，词云图，激情阐明，社交网络图生成等。 3，LDA主题阐明 依据GooSeeker分词和文原阐明软件生成的选词婚配表，也便是对词语作了人工挑选以后，挪用Gensim库作进一步办理。详细轨范可以参考文章《微博内容分词并手工选词后用JupyterNotebook作LDA主题阐明》。 4，范文简介 题目：基于主题-激情融合阐明的突发大众卫惹变乱网络舆情演化钻研 戴要： [宗旨/意义] 针对突发大众卫惹变乱,借助作做语言办理技术,快捷发掘言论热点和舆情演化特征,提升政府部门的应急打点才华。 [办法/历程] 将新冠肺炎疫情做为钻研案例,首先支集了疫情相关的微博文原,正在分别为埋伏期、爆发期、衰退期三个阶段的根原上,运用LDA主题模型和语义规矩构建的办法停行主题-激情的融合阐明,并联结疫情期间的新闻变乱探索了网络舆情的激情演化状况和负面言论的关注热点。[结果/结论] 钻研发现,对于疫情的负面情绪微博大多会合正在前中期,且次要起源于对疫情信息的不确定性;然后期积极态度随国内疫情好转而成为收流。另外,民寡对新冠肺炎的流传、成因、境外输入和官方信息发布等子话题的情绪起伏较大。 要害词：网络舆情;主题提与;激情阐明;LDA;激情词典; 基金资助：国家级大学生翻新创业训练筹划名目（编号：7110600001/110）； 专辑：信息科技; 社会科学Ⅱ辑 专题：社会学及统计学; 新闻取传媒 文章目录 0 弁言 1 钻研设想 1.1 数据支集 1.2 微博内容办理 1.3 主题提与办法 1.4 激情阐明办法 1.5 主题-激情融合阐明 2 钻研结果取阐明 2.1 新型冠状病毒肺炎疫情期间的舆情演化 2.2 新冠肺炎微博的主题-激情阐明 3 结论取政策倡议 (1)建全动态化舆情监测取应声机制 (2)夯真官方权威媒体主场劣势 (3)成立网络舆情扁平化打点思维
|