排序方式: 共有119条查询结果,搜索用时 15 毫秒
21.
了解城市污染状况是治理城市污染的首要环节。社交媒体中包含了能够反映人们对周围环境的感受的数据资料,可以帮助人们更直观地了解城市污染现状。本文以新浪微博为例,提出了从社交媒体中获取城市污染相关数据的方案,设计了基于社交媒体的城市污染信息分类法和可视化方法,在实验部分以北京市为例对本方法的结果进行了分析与讨论。 相似文献
22.
23.
随着政务微博用户规模及影响力的不断提升,微博作为地震部门传播平台,在地震信息传播方面发挥着巨大的作用。本文在充分考虑地震部门行业特点的基础上,对30个地震官方微博数据进行收集,利用主成分分析法(PCA)归纳出3种地震微博的主要影响指标,即服务力主成分、交互力主成分和创作力主成分,并由此构建出地震官方微博影响力评估指标体系,在此基础上计算得出各地震官方微博的主成分指标得分和影响力综合得分,最后根据得分情况对地震官方微博影响力提出了具可行性的提升策略。 相似文献
24.
震后对网络舆情信息的监控与分析,对于相关部门开展震灾应急救援、掌握救灾动态、稳定民众情绪具有重要意义。本研究基于新浪微博数据,运用网络爬虫技术,获取西藏自治区那曲市比如县6.1级地震震后24小时及震后一周的相关微博及评论;利用Python中文分词组件“jieba”和ROST CM6软件,对数据进行分类、去重、分词等处理,得到结构化的分级、分类数据,并制成震后微博时间序列图、地理分布图、舆情热词词频表、情绪极性统计图等,实现微博舆情数据的可视化。研究结果表明,本次地震事件的微博舆情整体呈现积极情绪,微博活跃程度与当地经济发展程度密切相关。在本次地震舆情传播中,政府部门的舆情引导起到至关重要的作用,舆情传播中的防灾视频传播具有明确的正向引导作用。本研究对于中国西部欠发达少数民族地区的地震舆情分析及引导工作具有借鉴意义。 相似文献
25.
生态环境与人类生活息息相关,关注公众对生态环境的态度是生态环境监测的重要组成部分.日益丰富的社交媒体数据为获取大范围的公众反馈信息提供了快捷渠道.该文以成渝城市群为研究区,基于微博这一典型社交媒体数据,应用情感分析法并与遥感生态指数(RSEI)分析结果进行对比,从不同尺度探讨微博数据在生态环境监测中的潜力.结果表明:微博数据能够准确反映2010-2018年成渝城市群生态环境的演变,与RSEI的变化趋势一致,且对于区域内各城市,基于微博数据的生态情感指标与RSEI的灰色关联度较高;此外,微博数据能够反映局部区域的生态环境问题,如垃圾污染、绿化破坏和乱焚烧现象等,是对城市尺度生态环境监测的有效补充.微博数据在生态状况趋势评价、生态环境问题阐述和环境问题区域定位等方面具有应用潜力,可契合环境问题管理、完善生态环境监测体系和评价体制等多项应用需求,同时可作为遥感的辅助手段,为生态环境领域提供借鉴. 相似文献
26.
社交媒体地震舆情数据可实时反映灾区现状,为震后应急提供较好的地震灾情舆情研判服务。选取新浪微博作为数据源,对接EQIM,采用新浪微博开放平台API与分布式网络爬虫相结合的方式获取地震舆情数据。在数据清洗和基于fastText地震相关性分类模型进行数据预处理的基础上,应用MySQL关系型数据库,设计并实现我国大陆地区准实时新浪微博地震舆情数据库及管理平台。现阶段,该数据库收集了2021年1月1日至2022年3月31日我国大陆地区3.0级及以上地震447次、地震舆情数据732 949条,实现数据下载、快速查询及精确查询,方便数据查询与管理,有助于震后舆情监控与灾情快速获取。 相似文献
27.
通过调用新浪微博官方API的方式,获取了四川九寨沟7.0级地震震后微博信息,对获取到的数据进行了分类统计、微博词频统计与时空特征分析。统计分析结果表明:在分类统计方面,地震发生之后24h内,与地震相关微博中人的反应占比达到73%,救援行动占比达到11%,这时由于微博本身特点以及民众对救援的期望造成的。在词频统计方面,高频名词表明震后24h内微博上的热点事件,而高频动词与形容词表明民众会在震后变得焦虑和不安并通过在网上互相激励来缓解震后的不安和焦虑。时间特征表明震后0~4h内,有大量和地震相关的灾情信息会通过微博博文内容的方式发布,而随着应急救援行动的进行,在震后12h以后,民众的情绪会逐渐平复,社会及民众的关注度也随之降低。空间特征表明,由于震后通信中断与网络堵塞,微博灾情基本成点状分布,随后随着通信与网络的恢复、应急救援的进行微博灾情逐渐变为带状分布并进而趋向于形成一个面。 相似文献
28.
近年来,城市发展趋向区域化管理,为了得到贴近城市真实内部结构的区域划分方式,辅助城市规划决策,需要在以人为本的角度进行城市社区结构挖掘。基于2015年深圳市的微博签到数据,对现有城市社区结构挖掘研究中社区发现最小单元定义不合理、划分特征因子多为独立特征缺乏关联性等不足进行改良。经过有效数据筛选形成用户轨迹后,将Voronoi划分得到的泰森多边形作为社区发现的最小单元,保留划分对象重要程度的不同,并以此构建一张由特征签到POI点形成的城市内部交互网络。划分特征因子除了人群的主观迁徙外,还增加了空间邻近约束,通过REDCAP社区挖掘算法对构成的地理空间网络进行区域分割,确保了社区划分结构的完整性。最后选取模块度最大为0.5095时的划分结果,通过实地比对和POI类型分析,发现得到的7个子社区功能结构完整、且社区间差异明显,对于城市公共设施的完善和城市规划发展的区域划分方向具有重要参考意义。 相似文献
29.
随着智能移动终端和社交网络应用的普及,越来越多的人愿意通过社交网络平台进行交流和表达自己的情感,因此产生了大量含有地理位置、文本内容等多种信息的用户生成数据,为大数据时代的城市研究及特定时空间内个体感知和行为活动研究提供新的数据源。本文基于2012-2014年约54万条微博用户数据,探测民众对包括春节、元宵节、清明节、端午节和中秋节在内的中国传统节日的情感表达和关注热点,以期发现在城市化与全球化影响下,人们对中国传统节日的认知变化和区域特征。通过Python 3.6进行词频分析及LDA主题模型分析可知:① 春节是中国人主题感知最为强烈的节日,且多为对新年美好祝愿的表达,其次是中秋节,以回家团聚为主,另外情人节也成为一个显性的节日;② 传统节日期间,出行方式以飞机和汽车为主,机场和高速成为与节日活动密切相关的场所;③ 共识性岁时习俗整体感知较好,但各地域特色节庆活动及饮食习俗在表现形式上有所差异,且差异在逐渐减小;④ 词频分析较好地反映了微博用户对中国传统节日的普遍感知及具有地方特色的区域差异,而LDA主题模型分析能够反映一定的传统节日主题聚类结果,但对不同节日的主题聚类效果并不十分明显。 相似文献
30.
论文通过建立基于LDA(Latent Dirichlet Allocation)模型和包含两级特征维度的旅游地意象感知研究框架,将LDA主题模型用于旅游微博文本分析,以特征维度半定量刻画旅游地意象感知特征,减少LDA主题凝练的主观性,帮助研究者在特定维度框架约束下准确、客观地提取旅游地意象特征。丽江古城案例证明,一级特征维度可以完整勾勒出丽江古城意象感知的基本框架,包括以聚落形态、音乐意境、标志人物、休闲空间和纳西美食为核心的5组空间与景观元素,深度旅游者、城市居民、年轻人、女孩子4类人群的特殊感知体验,及旅游者与环境要素的不同互动特征;二级特征维度进一步精细解读丽江古城的意象感知特征,表现为丽江古城慢活性、夜生活和浪漫之都的文化意象、旅游者对地方文化与现代风情融合的凝视与体验等。结合特征维度的LDA模型,准确构建了意象基本框架,成功刻画了丽江古城的形象及精细特征,并能进一步解析意象的形成机制,为旅游地意象感知研究提供了新视角,有助于深度解读意象形成的地方意义,厘清认知、情感和行为意象间的关系。 相似文献