基于贝叶斯模型的移动环境下网络舆情用户情感演化研究——以新浪微博“里约奥运会中国女排夺冠”话题为例

doi:10.3772/j.issn.1000-0135.2018.12.008

情报学报

2018, Vol. 37

Issue (12): 1241-1248 DOI: 10.3772/j.issn.1000-0135.2018.12.008

情报理论与应用

本期目录 | 过刊浏览 | 高级检索

基于贝叶斯模型的移动环境下网络舆情用户情感演化研究——以新浪微博“里约奥运会中国女排夺冠”话题为例

王晰巍^{1, 2}, 张柳¹, 文晴¹, 王楠阿雪¹

1. 吉林大学管理学院,长春 130022;
2. 吉林大学大数据管理研究中心,长春 130022

Research on Sentiment Evaluation of Online Public Opinion Based on the Bayesian Model in a Mobile Environment: The Case of “China Women’s Volleyball Won the Championship in the Rio Olympics” in SinaWeibo

Wang Xiwei^{1, 2}, Zhang Liu¹, Wen Qing¹, Wang Nan’axue¹

1. School of Management, Jilin University, Changchun 130022;
2. Research Center for Big Data Management, Jilin University, Changchun 130022

摘要
图/表
参考文献
相关文章 (0)

全文: PDF (1032 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要了解和掌握移动环境下网络舆情用户情感演化规律及构建情感演化模型,对相关部门加强移动环境下网络舆情信息监管和正确引导网络舆情走向具有重要意义。本文基于朴素贝叶斯模型,以训练词向量、文本预处理、训练朴素贝叶斯、性能测评为处理过程,从词频、地域和时间三个可视化维度构建基于移动环境下网络舆情用户评论情感分析模型;以新浪微博“里约奥运会中国女排夺冠”话题为例进行可视化分析情感演化过程研究。本文所构建的情感分析模型能有效运用于移动环境下网络舆情用户情感演化研究,实证研究结果表明新浪微博用户对“里约奥运会中国女排夺冠”话题主要呈现正向情感,同时直辖市、沿海省份等经济发达地区相比西南地区、东北地区等经济欠发达省份对话题态度更加乐观。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：移动环境, 网络舆情用户, 情感演化, 朴素贝叶斯

收稿日期: 2017-10-18

基金资助:国家自然科学基金面上项目“信息生态视角下新媒体信息消费行为机理及服务模式创新研究”（71673108）; 吉林大学高峰学科（群）建设项目

作者简介: 王晰巍,女,1975年生,教授,博士生导师,主要研究方向为信息分析、知识管理和企业信息化,E-mail: wxw_mail@163.com;张柳,女,1992年生,硕士研究生,主要研究方向为网络舆情;文晴,女,1994年生,硕士研究生,主要研究方向为网络舆情;王楠阿雪,女,1993年生,硕士研究生,主要研究方向为新型智库传播。

引用本文:

王晰巍, 张柳, 文晴, 王楠阿雪. 基于贝叶斯模型的移动环境下网络舆情用户情感演化研究——以新浪微博“里约奥运会中国女排夺冠”话题为例[J]. 情报学报, 2018, 37(12): 1241-1248.
Wang Xiwei, Zhang Liu, Wen Qing, Wang Nan’axue. Research on Sentiment Evaluation of Online Public Opinion Based on the Bayesian Model in a Mobile Environment: The Case of “China Women’s Volleyball Won the Championship in the Rio Olympics” in SinaWeibo. 情报学报, 2018, 37(12): 1241-1248.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2018.12.008 或 https://qbxb.istic.ac.cn/CN/Y2018/V37/I12/1241

[1] 中国互联网中心. 第39次中国互联网络发展状况统计报告[EB/OL]. [2016-8-3].http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201608/t20160803_54392.htm.
[2] Page B I, Shapiro R Y. Effects of public opinion on policy[J]. American Political Science Review, 1983, 77(1): 175-190.
[3] Hatton T J. Immigration, public opinion and the recession in Europe[J]. Economic Policy, 2016, 31(86): 205-246.
[4] Pak A, Paroubek P. Twitter as a corpus for sentiment analysis and opinion mining[C]// International Conference on Language Resources and Evaluation, Valletta, Malta. DBLP, 2010: 1320-1326.
唐晓波, 肖璐. 基于情感分析的评论挖掘模型研究[J]. 情报理论与实践, 2013, 36(7): 100-105.
[5] 黄发良, 冯时, 王大玲, 等. 基于多特征融合的微博主题情感挖掘[J]. 计算机学报, 2017, 40(4): 872-888.
[6] 谭雪晗, 涂艳, 马哲坤. 基于SNA的事故灾难舆情关键用户识别及治理[J]. 情报学报, 2017, 36(3): 297-306.
[7] 刘毅. 略论网络舆情的概念、特点、表达与传播[J]. 理论界,2007(1): 11-12.
[8] 郭韧, 陈福集, 李江竹, 等. 移动网络对网络舆情演化的影响研究[J]. 情报杂志, 2015, 34(7): 130-134.
[9] 王晰巍, 赵丹, 魏骏巍, 等. 移动环境下网络舆情信息传播模式及实证研究——以埃博拉话题为例[J]. 情报学报, 2015, 34(7): 683-692.
[10] Tsirakis N, Poulopoulos V, Tsantilas P, et al. Large scale opinion mining for social, news and blog data[J]. Journal of Systems and Software, 2017, 127(4): 237-248.
[11] 李勇, 蔡梦思, 邹凯, 等. 社交网络用户线上线下情感传播差异及影响因素分析——以“成都女司机被打”事件为例[J]. 情报杂志, 2016, 35(6): 80-85.
[12] 黄卫东, 林萍, 董怡, 等. 基于话题特征词的网络舆情参与者情感演化分析[J]. 情报杂志, 2015, 34(11): 117-122.
[13] 周清清, 章成志. 基于迁移学习微博情绪分类研究——以H7N9微博为例[J]. 情报学报, 2016, 35(4): 339-348.
[14] Fan R, Zhao J C, Chen Y, et al. Anger is more influential than joy: sentiment correlation in Weibo[J]. PLoS ONE, 2014, 9(10): e110184.
[15] Diab D M, El Hindi K M. Using differential evolution for fine tuning na?ve Bayesian classifiers and its application for text classification[J]. Applied Soft Computing, 2017, 54: 183-199.
[16] 杨艳霞. 基于分类的微博情感分析算法研究及实现[J]. 计算机与数字工程, 2017, 45(2): 197-200.
[17] 周志华. 机器学习: = Machine learning[M]. 北京: 清华大学出版社, 2016.
[18] 李涵昱, 钱力, 周鹏飞. 面向商品评论文本的情感分析与挖掘[J]. 情报科学, 2017, 35(1): 51-55.
[19] 张玥, 孙霄凌, 朱庆华. 突发公共事件舆情传播特征与规律研究——以新浪微博和新浪新闻平台为例[J]. 情报杂志, 2014, 33(4): 90-95.
[20] Alexa. Traffic Detail(sina.com.cn)[EB/OL]. [2017-1-17]. http://www. alexa.com/siteinfo/www.sina.com.cn.
[21] 新浪网. 新浪网发布2016年微博用户发展报告[EB/OL]. [2017-1-17]. http://data.weibo.com/report.
[22] 朱琳琳, 徐健. 网络评论情感分析关键技术及应用研究[J]. 情报理论与实践, 2017, 40(1): 121-126.