排序方式： 共有18条查询结果，搜索用时 15 毫秒
1.
本文以“社交媒体多层次信息流”为概念框架，分析了四川九寨沟7.0级地震发生后，个人、当地的组织、宏观层面的主流媒体使用社交媒体所发挥的作用。通过对微博的数据进行挖掘分析，总结出地震灾害发生后社交媒体所具有的5项功能:人际之间的交流，地方政府、本土组织以及当地媒体的传播渠道，大众传媒信息发布的渠道，信息的收集和分享，微观、中观以及宏观各主体间沟通的渠道。在强震发生后社交媒体有巨大的传播潜力，本文的研究成果对未来大震发生后如何利用社交媒体来应对灾害有一定的借鉴意义。 相似文献
2.
以2020年第6号台风“米克拉”为例,采集了5916条新浪微博作为数据源,综合应用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型、文本情感分析方法和空间分析技术,挖掘、分析台风的灾情时空过程。基于LDA主题模型建立了主题-词矩阵并进行隐含主题聚类,这些微博文本被分为灾损类信息、预警类信息、防御类信息和无关信息;从主题信息和文本情感值两个角度入手,对此次台风事件网络舆情的演化过程进行分析。结果表明:“米克拉”登陆前有大量积极情感的微博,主要包含渴望降雨、降温等信息,此类微博大量分布在漳州、厦门、福州等地区;在台风入境后消极情感的微博大量增多,主要描述道路、树木等受大风和大雨影响的灾损类信息,此类信息的空间位置主要分布在漳州和厦门,能较好地反映台风灾害影响的时空分布。通过对微博主题类别和情感极性进行时空分析,实现台风灾害事件发展趋势的监测,为防灾减灾提供参考依据。 相似文献
3.
社交媒体数据可以为台风灾害追踪、灾时救援和灾情评估提供及时有效的信息。现有研究常采用主题建模和情感分析等技术对台风期间社交媒体平台（如新浪微博等）舆论话题和情感变化进行研究。在省域范围内以小时为时间粒度的多维度有效性论证尚有欠缺,且在舆情分析时未能区分用户群体差异。本文以台风“利奇马”为例,在浙江省域范围内,以新浪微博数据为研究对象,首先从词频分析、台风关注度时空变化以及特定灾害事件响应3个角度探讨了微博数据对台风灾情响应的有效性;其次采用隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）主题模型技术挖掘微博文本主题信息,并根据Louvain算法对主题社团进行划分;然后开发了一种基于自定义情感词典的情感分析方法用于情感指数计算,与SnowNLP相比情感倾向性预测精度得到了提高;最后分析了台风期间官方和民众在新浪微博平台上的话题关注以及情感演变差异。结果表明：① 在省级范围内,微博数据能有效反映台风动态和灾害时空分布;② 台风事件微博文本的主题变化反映了灾情不同阶段舆论关注点的动态变化;③ 官方微博文本比民众微博文本具有更明确的主题社团结构;④ 台风事件相关微博文本中的消极情绪在台风登陆后显著增加,其中民众微博文本对台风灾害的情绪响应更及时,官方微博文本中的情感表达始终相对积极。 相似文献
4.
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
5.
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
6.
7.
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
8.
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
9.
2017年8月8日21时19分九寨沟发生7.0级地震,震后数小时里,大量与地震相关的信息广泛传播,互联网社交媒体高度关注,九寨沟地震成为最热议话题。本文以新浪微博为例,获取了距震中200km范围内震前、震后24h的微博数据,通过对数据清洗、分类和挖掘,分析了此次地震微博的数量、灾情分类、词频统计、时间序列和空间分布等特征,同时与实际灾评结果进行了对比分析。研究结果表明,对震后社交媒体数据进行充分挖掘,分析提取地震灾情关键信息,有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,是解决震后灾情获取难度大、覆盖小、时效性差等问题的一种有效的辅助手段。 相似文献
10.