突发事件网络舆情主题转变路径及其风险评估

doi:10.3772/j.issn.1000-0135.2024.10.008

情报学报

2024, Vol. 43

Issue (10): 1227-1241 DOI: 10.3772/j.issn.1000-0135.2024.10.008

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

突发事件网络舆情主题转变路径及其风险评估

周炜^1,2, 安璐^1,2,3, 韩瑞莲²

1.武汉大学信息资源研究中心，武汉 430072
2.武汉大学信息管理学院，武汉 430072
3.武汉大学数据智能研究院，武汉 430072

Topic Transition Paths and Risk Assessment of Online Public Opinion in Public Emergencies

Zhou Wei^1,2, An Lu^1,2,3, Han Ruilian²

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072
3.Institute of Data Intelligence, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (5858 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要探索突发事件网络舆情主题转变节点，并据此展开多阶段网络舆情风险评估，对精准处置突发事件网络舆情危机、提供动态舆情引导策略具有重要参考意义。本文提出一种突发事件情境下网络舆情主题转变路径识别及多阶段风险评估方法。首先，融合RoBERTa（robustly optimized BERT pretraining approach）模型提出时序语义-共词网络，并基于Louvain-CFDP（clustering by fast search and find of density peaks）算法进行网络社区主题发现；其次，提出主题状态转变检测模型，据此生成主题转变路径，识别并分析多类型转变路径及其风险波动特征。以“日本核污染水排海”事件为例进行实证分析，识别事件发展型、情绪集聚型及衍生事件型3种转变路径类型，分别对这3种类型路径的特点、风险特征及差异进行分析。研究结果表明，本文提出的主题转变路径及风险评估研究方法能够完整、全面地展现突发事件在社交媒体上的话题转变，为管理部门快速锁定高风险话题，制定精准、有效的舆情风险引导方案提供借鉴与参考。

	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
	周炜
	安璐
	韩瑞莲

关键词 ：主题转变检测模型, 主题转变路径, 舆情风险, 突发事件

收稿日期: 2024-04-01

基金资助:国家社会科学基金重大项目“不确定环境下韧性社会智能情报支持与决策研究”（23&ZD230）。

作者简介: 周炜，女，1998年生，博士研究生，主要研究方向为社交媒体网络舆情分析及可视化处理；安璐，通信作者，女，1979年生，博士，教授，博士生导师，主要研究方向为应急情报、网络信息分析，E-mail：anlu97@163.com；韩瑞莲，女，1998年生，博士研究生，主要研究方向为社交媒体网络舆情分析；

引用本文:

周炜, 安璐, 韩瑞莲. 突发事件网络舆情主题转变路径及其风险评估[J]. 情报学报, 2024, 43(10): 1227-1241.
Zhou Wei, An Lu, Han Ruilian. Topic Transition Paths and Risk Assessment of Online Public Opinion in Public Emergencies. 情报学报, 2024, 43(10): 1227-1241.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.10.008 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I10/1227

1 李玥琪, 王晰巍, 王楠阿雪, 等. 突发事件下社交媒体网络舆情风险识别及预警模型研究[J]. 情报学报, 2022(10): 1085-1099.
2 曾子明, 孙守强, 李青青. 基于融合策略的突发公共卫生事件网络舆情多模态负面情感识别[J]. 情报学报, 2023, 42(5): 611-622.
3 Xiao Q, Li Y P, Luo F, et al. Analysis and assessment of risks to public safety from unmanned aerial vehicles using fault tree analysis and Bayesian network[J]. Technology in Society, 2023, 73: 102229.
4 Jiang Y C, Liang R C, Zhang J, et al. Network public opinion detection during the coronavirus pandemic: a short-text relational topic model[J]. ACM Transactions on Knowledge Discovery from Data, 2022, 16(3): Article No.52.
5 杨欣谊, 王伟, 朱恒民. 基于时序共词网络的社交平台话题检测与演化研究[J]. 情报学报, 2023, 42(5): 585-597.
6 Mullick A, Bhandari A, Niranjan A, et al. Drift in online social media[C]// Proceedings of the 9th IEEE Annual Information Technology, Electronics and Mobile Communication Conference. Piscataway: IEEE, 2018: 302-307.
7 许烨婧, 黄微, 郭苏琳, 等. 多媒体网络舆情话题衍进追踪态势及机理解析[J]. 情报理论与实践, 2020, 43(12): 156-162.
8 Sun Y C, Loparo K. Topic shift detection in online discussions using structural context[C]// Proceedings of the 43rd IEEE Annual Computer Software and Applications Conference. Piscataway: IEEE, 2019: 948-949.
9 朱恒民, 钱莉, 杨欣谊, 等. 网络舆情话题漂移路径研究[J]. 情报杂志, 2022, 41(6): 108-113, 119.
10 Topal K, Koyuturk M, Ozsoyoglu G. Emotion-and area-driven topic shift analysis in social media discussions[C]// Proceedings of the 2016 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. Piscataway: IEEE, 2016: 510-518.
11 陈虹枢, 宋亚慧, 金茜茜, 等. 动态主题网络视角下的突破性创新主题识别: 以区块链领域为例[J]. 图书情报工作, 2022, 66(10): 45-58.
12 黄畅, 郭文忠, 郭昆. 基于双向量模型的自适应微博话题追踪方法[J]. 小型微型计算机系统, 2019, 40(6): 1203-1209.
13 Chen B, Ding Y, Ma F. Mapping the semantic word shifts in topics in the field of information retrieval[C]// Proceedings of the 16th International Conference on Scientometrics and Informetrics. Cham: Springer, 2017: 1335-1341.
14 Chen B T, Ding Y, Ma F C. Semantic word shifts in a scientific domain[J]. Scientometrics, 2018, 117(1): 211-226.
15 徐璐璐, 杨嘉乐, 康乐乐. 医学信息领域人工智能技术的主题漂移与未来展望——基于JCR 26本医学信息期刊文本的命名实体识别[J]. 现代情报, 2022, 42(10): 163-176.
16 谢丹琳, 胡锡晟, 杨卫书. 企业网络舆情事件可视化分析及危机公关策略研究——以“海天酱油事件”为例[J]. 科技情报研究, 2024, 6(1): 90-101.
17 李桂华, 张秋东, 林思妍. 社会诉求数据在“情景-应对”型应急决策中的应用研究[J]. 信息资源管理学报, 2023, 13(5): 79-91.
18 张军玲. 我国网络舆情信息挖掘研究综述[J]. 情报科学, 2016, 34(11): 167-172.
19 邓建高, 吴灵铭, 齐佳音, 等. 基于信息关联的负面网络舆情风险分级与预测研究[J]. 情报科学, 2022, 40(1): 38-43.
20 吴琦, 李阳. 融入领域风险词典的社会安全事件网络舆情风险评估研究[J]. 情报理论与实践, 2024, 47(6): 175-183.
21 Huang X, Jin H D, Zhang Y. Risk assessment of earthquake network public opinion based on global search BP neural network[J]. PLoS One, 2019, 14(3): e0212839.
22 田世海, 于越, 邓舒予. 突发公共事件多情景下的网络舆情危机预警研究[J]. 情报理论与实践, 2023, 46(1): 132-140.
23 Cao L X, Wei G, Su J. Public opinion spread risk assessment model on third-party payment rough network[J]. Applied Soft Computing, 2020, 95: 106532.
24 Peng B H, Zheng C Y, Wei G, et al. Risk assessment method on haze networks public opinion based on intuitionistic fuzzy choquet integral[J]. International Journal of Fuzzy Systems, 2022, 24(6): 2858-2872.
25 何丽, 柳岚清, 刘杰, 等. 融合问题分类与RoBERTa的答案选择方法[J]. 数据分析与知识发现, 2024, 8(8/9): 157-167.
26 程秀峰, 邹晶晶, 叶光辉, 等. 融合word2vec的半积累引用共词网络的领域主题演化研究[J]. 情报学报, 2023, 42(7): 801-815.
27 Huang W C, Li L Q, Liu H Y, et al. Defense resource allocation in road dangerous goods transportation network: a Self-Contained Girvan-Newman Algorithm and Mean Variance Model combined approach[J]. Reliability Engineering & System Safety, 2021, 215: 107899.
28 Guan J Y, Li S, He X X, et al. Clustering by fast detection of main density peaks within a peak digraph[J]. Information Sciences, 2023, 628: 504-521.
29 王艺霖, 肖媛媛, 左鹏飞, 等. 基于改进聚类算法的交通事故多发点识别方法[J]. 计算机应用研究, 2023, 40(10): 2993-2999.
30 Fienberg S E. An iterative procedure for estimation in contingency tables[J]. The Annals of Mathematical Statistics, 1970, 41(3): 907-917.
31 陈苗苗, 安璐. 突发传染病情境下社会化问答平台用户角色形成及转变——以知乎平台为例[J]. 图书情报工作, 2022, 66(12): 68-81.
32 郭宇, 张传洋, 张海涛, 等. 危机管理视角下突发事件舆情主题演化与治理分析[J]. 图书情报工作, 2022, 66(8): 113-121.
33 康瑞, 牟睿聆, 李凌海, 等. 航空器场面滑行关键路径识别与抗毁性研究[J]. 重庆理工大学学报(自然科学), 2024, 38(2): 181-188. 责任编辑魏瑞斌）