基于SNA与模糊TOPSIS的网络舆情关键节点识别分类模型研究
2017-08-15分类号:TP301.6;TP393.09
【部门】吉林大学管理学院 长沙师范学院图书馆
【摘要】[目的/意义]在舆情监控和管理的实践过程中,迅速有效地识别出舆情网络中的关键节点,对舆情的监督和治理具有重要意义。[方法/过程]从内容与结构双重维度,设计一种完整的网络舆情关键节点挖掘、识别和分类的技术方法。涉及Goo Seeker、Gephi、Fuzzy AHP和TOPSIS等软件和算法,并以新浪微博"8·12滨海爆炸"事件为例进行具体分析。[结果/结论 ]突破了单纯从单一维度进行关键节点排序的局限性,使关键节点的识别与分类进一步深入,并明确演化特征,对网络舆情的科学应对具有参考价值。
【关键词】网络舆情 关键节点 识别 分类 社会网络分析 综合评价
【基金】吉林大学2015年度基本科研业务费哲学社会科学研究种子基金项目“我国开放存取持续发展的关键问题解析:问题机理、接受模型及政策导向研究”
【所属期刊栏目】现代情报
文献传递