今天分享给大家的这篇研究范文针对突发公共卫生事件，借助自然语言处理技术，快速挖掘舆论热点和舆情演化特征，提升政府部门的应急管理能力。 将新冠肺炎疫情作为研究案例，首先搜集了疫情相关的微博文本，在划分为潜伏期、爆发期、衰退期三个阶段的基础上，使用LDA主题模型和语义规则构建的方法进行主题-情感的融合分析，并结合疫情期间的新闻事件探究了网络舆情的情感演化情况和负面舆论的关注热点。 范文中的微博数据搜集、情感分析都可以通过GooSeeker数据管家来实现；LDA主题分析可以用GooSeeker发布的Jupyter Notebook来计算。 1，微博数据搜集 有关公共卫生事件的微博采集可以使用GooSeeker微博采集工具箱中的微博关键词搜索采集工具，输入关键词和采集起始时间就可以开始采集数据。
2，情感分析 情感分析可以通过GooSeeker文本分词和情感分析软件来实现。软件的界面很人性化，文科生可以直接无障碍上手使用，主要功能有：分词，关键词提取，人工筛选，词频统计，词云图，情感分析，社交网络图生成等。
3，LDA主题分析 根据GooSeeker分词和文本分析软件生成的选词匹配表，也就是对词语做了人工筛选以后，调用Gensim库做进一步处理。具体步骤可以参考文章《微博内容分词并手工选词后用JupyterNotebook做LDA主题分析》。
4，范文简介 标题：基于主题-情感融合分析的突发公共卫生事件网络舆情演化研究 摘要： [目的/意义] 针对突发公共卫生事件,借助自然语言处理技术,快速挖掘舆论热点和舆情演化特征,提升政府部门的应急管理能力。 [方法/过程] 将新冠肺炎疫情作为研究案例,首先搜集了疫情相关的微博文本,在划分为潜伏期、爆发期、衰退期三个阶段的基础上,使用LDA主题模型和语义规则构建的方法进行主题-情感的融合分析,并结合疫情期间的新闻事件探究了网络舆情的情感演化情况和负面舆论的关注热点。[结果/结论] 研究发现,关于疫情的负面情绪微博大多集中在前中期,且主要来源于对疫情信息的不确定性;而后期积极态度随国内疫情好转而成为主流。此外,民众对新冠肺炎的传播、成因、境外输入和官方信息发布等子话题的情绪起伏较大。 关键词：网络舆情;主题提取;情感分析;LDA;情感词典; 基金资助：国家级大学生创新创业训练计划项目（编号：7110600001/110）； 专辑： 信息科技; 社会科学Ⅱ辑 专题： 社会学及统计学; 新闻与传媒 文章目录 0 引言 1 研究设计 1.1 数据搜集 1.2 微博内容处理 1.3 主题提取方法 1.4 情感分析方法 1.5 主题-情感融合分析 2 研究结果与分析 2.1 新型冠状病毒肺炎疫情期间的舆情演化 2.2 新冠肺炎微博的主题-情感分析 3 结论与政策建议 (1)建全动态化舆情监测与反馈机制 (2)夯实官方权威媒体主场优势 (3)树立网络舆情扁平化管理思维 |
