- 年份
- 2024(9532)
- 2023(13917)
- 2022(12320)
- 2021(11612)
- 2020(9912)
- 2019(22339)
- 2018(22016)
- 2017(42501)
- 2016(22992)
- 2015(25821)
- 2014(25475)
- 2013(24904)
- 2012(22576)
- 2011(20138)
- 2010(19630)
- 2009(17569)
- 2008(16667)
- 2007(14156)
- 2006(12053)
- 2005(10109)
- 学科
- 济(87551)
- 经济(87451)
- 管理(65205)
- 业(61344)
- 企(51989)
- 企业(51989)
- 方法(44701)
- 数学(39073)
- 数学方法(38490)
- 农(22552)
- 财(22027)
- 中国(21445)
- 学(20200)
- 业经(19767)
- 地方(16709)
- 贸(15958)
- 贸易(15951)
- 理论(15907)
- 易(15503)
- 农业(15197)
- 技术(14485)
- 和(14474)
- 务(14398)
- 财务(14327)
- 财务管理(14296)
- 制(14052)
- 环境(13611)
- 企业财务(13543)
- 划(12289)
- 教育(11868)
- 机构
- 大学(318820)
- 学院(315337)
- 管理(128285)
- 济(120556)
- 经济(117960)
- 理学(112839)
- 理学院(111605)
- 管理学(109348)
- 管理学院(108815)
- 研究(102567)
- 中国(73317)
- 京(67131)
- 科学(66604)
- 财(52915)
- 农(52407)
- 业大(50520)
- 所(50353)
- 中心(47063)
- 研究所(46635)
- 江(43788)
- 财经(43737)
- 范(42121)
- 师范(41619)
- 北京(41571)
- 农业(41478)
- 经(40052)
- 院(38160)
- 州(35880)
- 经济学(35709)
- 技术(34315)
- 基金
- 项目(230116)
- 科学(181010)
- 基金(167834)
- 研究(164964)
- 家(147531)
- 国家(146358)
- 科学基金(126109)
- 社会(102630)
- 社会科(97162)
- 社会科学(97134)
- 省(89858)
- 基金项目(89599)
- 自然(84827)
- 自然科(82894)
- 自然科学(82869)
- 自然科学基金(81364)
- 教育(76708)
- 划(76455)
- 资助(69187)
- 编号(66981)
- 成果(52679)
- 重点(51528)
- 部(50444)
- 发(48220)
- 创(48174)
- 课题(45545)
- 创新(44928)
- 科研(44877)
- 教育部(43209)
- 大学(43118)
- 期刊
- 济(122043)
- 经济(122043)
- 研究(86798)
- 中国(55578)
- 学报(54072)
- 科学(48552)
- 农(46056)
- 管理(45840)
- 大学(40895)
- 财(39330)
- 学学(38469)
- 教育(36909)
- 农业(32507)
- 技术(28247)
- 融(21360)
- 金融(21360)
- 业经(20653)
- 财经(20377)
- 经济研究(19693)
- 图书(18369)
- 经(17324)
- 业(16516)
- 科技(16029)
- 问题(15753)
- 理论(15227)
- 版(15175)
- 技术经济(14827)
- 业大(14275)
- 实践(14150)
- 践(14150)
共检索到437000条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 情报学报
[作者]
吴鹏 刘恒旺 沈思
为解决网络舆情情感倾向性分析中语义理解不足和仅关注情感词典的现状,本文基于OCC模型认知情感角度建立情感规则,对网络舆情中突发事件的微博文本进行情感分类标注作为训练集,并对深度学习中卷积神经网络模型进行训练得到网络舆情情感识别模型。通过对比实验证明OCC情感规则标注使数据集情感分类更加精确,卷积神经网络的识别效果显著优于传统的机器学习方式(SVM),情感识别模型情感最高可达到90.98%的准确率。
[期刊] 情报学报
[作者]
史伟 薛广聪 何绍义
针对微博短文本评论，基于情感分析技术，从情感类转移等角度实现对网络舆情演变趋势的预测。本文以突发事件“新冠肺炎疫情”初期的相关微博评论文本作为研究对象，基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法，即偏差规则马尔可夫模型（the deviation rules Markov model,DRMM）。该模型分析了网民情感类间的相关性和转移性，通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测。实验采取平均绝对误差（mean absolute error,MAE）和均方根误差（root mean squared error,RMSE）来衡量模型预测值与真实值之间的误差。研究结果表明，该模型具有较好的有效性和准确性，预测值和真实值的拟合效果在预期范围之内。
[期刊] 情报学报
[作者]
张海涛 王丹 徐海玲 孙思阳
本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。
[期刊] 图书情报工作
[作者]
刘雯 高峰 洪凌子
以雅安地震为例,将情感分析和时间序列分析共同引入到对灾害网络舆情的分析中,在博文情感值计算的基础上,建立不同情感舆情走势的时间序列模型并进行预测,对积极和消极博文的内容进行分析,并总结影响网民情感波动的因素。
[期刊] 图书情报知识
[作者]
史伟 薛广聪 何绍义
[目的/意义]基于情感视角对国内外网络舆情的研究进展和发展趋势进行分析，旨在帮助相关领域学者了解其研究热点和发展方向，为未来进一步的拓展研究提供理论支持和参考。[研究设计/方法]运用词云、CiteSpace对该领域文献数量、关键词、研究热点进行可视化分析，并通过文献分析法对国内外网络舆情情感分类、情感演化、情感预测和网络舆情治理四个方面的研究进展进行归纳与对比。[结论/发现]通过对国内外相关文献的归纳和整理，综述了情感视角下的网络舆情研究情况，总结出该领域未来的发展方向。[创新/价值]从网络舆情情感分析的不同阶段对国内外网络舆情研究进行梳理，分析了研究要点和未来发展方向，为进一步开展网络舆情研究提供参考。
[期刊] 情报学报
[作者]
李吉 黄微 郭苏琳 孙悦
针对中文网络客户评论,从消费者真实购买体验的网络平台上抓取在线评论信息,构建基于PAD模型的网络口碑情感强度测度模型,有助于企业实时监控网络口碑舆情。利用同义词词林扩展版和大连理工情感词汇本体构建情感词典,采用PAD三维情感模型计算情感强度,以此对商品评论所蕴含的情感状态进行分析研究,并对网络口碑舆情进行监测评估。以京东笔记本品牌在线评论为例进行实例验证,提出的基于PAD模型的网络口碑舆情情感强度测评模型得到较好的检验效果,可以为在线产品的网络口碑舆情监测评估提供信息决策。
[期刊] 情报科学
[作者]
王英 龚花萍
【目的/意义】为实现大数据网络舆情情感意见形势研判,有效进行危机处理战略引导,为网络舆情危机预警决策提供参考。【方法/过程】本文以南昌大学自主保洁微博舆情事件为例,基于情感维度内容,结合网络舆情情感特征,参照情感维度要素,利用爬虫工具和文本分析技术进行数据获取和预处理,通过情感分析方法统计情感值,分析情感维度状况。【结果/结论】得出评论高峰期内情感趋势和情感维度状态,实现网络舆情事件的舆情预警研判。
关键词：
网络舆情 情感倾向 情感维度 预警
[期刊] 情报理论与实践
[作者]
习海旭 蒋红芬 程志凡 何胜
[目的/意义]对网民评论短文本进行全面的情感分析，可以科学地决策，有效地干预和引导网络舆论。文章提出一种短文本的情感分析和可视化方法，提高特定事件下网络舆情中网民情感表达特征分析的全面性和准确性。[方法/过程]在融合情感贡献度的情感极性计算方法中引入TF-IDF算法，对网民情感极性进行计算；通过关键词、情感词、实体抽取和情感倾向的时序演化等可视化方法多维度展示网民情感表达状况及关注的焦点内容。选择具体的网络事件进行情感分析，对不同情感极性计算方法进行了对比，对是否使用领域情感扩充词典的情感计算结果进行对比。[结果/结论]发现评价指标值都有一定程度的提高，但该方法在元观点、讽刺和正话反说等高级语法现象的情感分析方面还存在不足。结合系统试用效果评估，本文采用的情感分析及可视化方法能够让用户对特定事件的网络舆论具有更全面的认识。
[期刊] 情报理论与实践
[作者]
赵晨阳 张鹏 王娟 夏一雪
[目的/意义]在网络社交媒体平台上，不同的公众情感在信息交互和传播过程中往往会出现“相生相克”现象，准确掌握和预测社交媒体环境中公众情感热度的变化规律，对于正确引导突发事件的网络舆情具有重要的理论价值。[方法/过程]在定性分析网民情感特征和交互模式基础上，结合生态科学中种群共生理论和Logistic方程，构建公众情感共生模型（E-SM），通过定义共生系数划分情感的7种共生模式，可使用差分回归法计算情感共生系数和模型稳定点，进而确定网络舆情中公众情感的共生模式和预测趋势。[结果/结论]通过共生模式的仿真模拟得出稳定状态下的公众情感值和增长速度与情感饱和量、共生系数、固有增长率、情感初值间的关系，以及7种情感共生模式的特点，并根据新浪微热点统计的微博热门话题事件中公众情感的真实数据与差分方程进行拟合，验证了E-SM模型具有很高的准确性。
[期刊] 数据分析与知识发现
[作者]
李真 丁晟春 王楠
【目的】识别网络舆情中的观点主题。【方法】通过舆情信息内容、用户关系、用户行为三个方面的4个维度(时间维、用户维、内容维、观点维)的关联,构建微博舆情观点主题识别模型。【结果】提出包括舆情网络构建、观点主题抽取及聚类、"用户–所属观点主题"2-模网络构建、观点主题演化分析4部分的网络舆情观点主题识别方法体系,实验结果证明该方法体系可有效识别网络舆情中的观点主题。【局限】用户属性对观点主题识别的影响有待进一步考虑。【结论】基于社会网络视角,利用LDA主题模型,可多方面、多维度地识别网络舆情观点主题。
[期刊] 情报学报
[作者]
曾子明 孙守强 李青青
突发公共卫生事件以社交媒体为阵地进行线下舆情的线上映射，而图文并茂的多模态信息成为公众情感表达的主要方式。为充分利用不同模态间的关联性和互补性，提升突发公共卫生事件网络舆情多模态负面情感识别精准度，本文构建了两阶段混合融合策略驱动的多模态细粒度负面情感识别模型（two-stage, hybrid fusion strategy-driven multimodal fine-grained negative sentiment recognition model,THFMFNSR）。该模型包括多模态特征表示、特征融合、分类器和决策融合4个部分。本文通过收集新浪微博新冠肺炎的相关图文数据，验证了该模型的有效性，并抽取了最佳情感决策融合规则和分类器配置。研究结果表明，相比于文本、图像、图文特征融合的最优识别模型，本文模型在情感识别方面精确率分别提高了14.48%、12.92%、2.24%；在细粒度负面情感识别方面，精确率分别提高了22.73%、10.85%、3.34%。通过该多模态细粒度负面情感识别模型可感知舆情态势，从而辅助公共卫生部门和舆情管控部门决策。
[期刊] 清华大学学报(自然科学版)
[作者]
崔骕 韩益亮 朱率率 李鱼 吴旭光
社交网络中的负面舆情事件具有不可低估的影响力,针对基于情感分析的方法不能直接对负面网络舆情进行早期预警的问题,该文提出了一种基于情感分类和主题提取的舆情主题建模方法,通过研究消极情绪主题词实现对负面舆情事件统计和量化;针对负面舆情预警方法即时性不足的问题,构建网络舆情早期预警模型,从爆发指数、情绪指数、传播指数3个指标综合评估舆情主题的发展态势,设定舆情主题算数指数触发预警值,实现主题词对应的负面舆情事件的早期预警。实验结果表明,在COVID-19相关微博情感数据集TF-IDF权重排名前10的消极情绪主题词中,最早预警时间比舆情爆发日平均提前161.01 h,实现的早期预警平均为2.1次;最早预警时间比舆情峰值日平均提前261.81 h,平均早期预警5.8次。所提出的预警模型对社交网络舆情事件具有良好的早期预警效果。
[期刊] 情报科学
[作者]
梁晓敏 徐健
【目的/意义】从舆论对象的情感变化和关系变化展现舆情走向,为舆情监测和分析提供新的研究方法和研究角度。【方法/过程】文章提出舆论对象分析模型,利用依存句法分析,识别和抽取舆论对象-情感词对,进行情感分析,并对舆论对象的关系网络进行研究。【结果/结论】实验结果表明,模型能有效识别主要舆论对象及其情感词,直观地展现网民对舆论对象随时间演化的情感表达和关系认知。通过舆论对象情感变化与舆情事件发展的拟合,可为舆情监测、分析等相关研究提供新的研究视角。
关键词：
网络舆情 情感分析 舆论对象 关系网络
[期刊] 图书情报知识
[作者]
曹树金 周小又 陈桂鸿
本研究以逸仙时空BBS为舆情信息源,对需要关注的帖子进行情感倾向性分析的探索性研究,设计了主题帖自动标引和情感倾向性分析策略,并对主题帖自动标引结果、倾向性人工判断与自动分析的结果进行对比。
[期刊] 情报理论与实践
[作者]
邓君 孙绍丹 王阮 宋先智 李贺
文章主要以微博“滴滴温州女孩遇害”话题评论内容为数据源，计算评论内容的情感值，标注情感正负性，通过Word2Vec和SVM方法构建情感分类模型。采用Word2Vec方法计算与此舆情事件中相关的五类主体对象（滴滴、司机、客服、女孩、警察）高相似度的词语，从情感时序分析和舆情主体对象情感演化分析两个方面探讨微博舆情的情感走势。通过分析发现，情感分类模型可以有效预测网民的情感走势；网民的情感时序变化与舆情演变规律相吻合；Word2Vec词相似度计算模型可以有效反映网民对五类主体对象的情感态度和该舆情阶段内的主题特征。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
