今天分享的这篇研究论文范例，以****事故网络新闻文本集为例，对突发公共事件网络新闻文本集信息关联及可视化进行了研究。本文首先界定了信息元的概念，对其关联规则进行了分析，然后以****事故为例进行了实证研究。研究结果表明，排名前30节点的节点度、特征向量中心性、中介中心性变化趋势基本一致，这些信息是****事故公众的关注焦点；随着时间的演变，公众对该突发事件的关注度与关注点也在发生变化。 同学们做研究写论文，如果需要收集新闻数据，可以直接使用GooSeeker新闻数据快捷采集，添加网址启动采集即可。采集完成后，直接打包下载excel数据表。
如果需要基于文本做分词和情感分析，可以使用GooSeeker文本分词和情感分析软件( https://www.gooseeker.com/res/softdetail_13.html )，把采集到的新闻数据excel表导入即可。
1，范文基本信息介绍 标题：突发公共事件网络新闻文本集信息关联及可视化 作者： 安海岗 董晓娟 冯鑫 陆刚 (河北地质大学) 安海岗，博士，副教授，主要从事信息挖掘、复杂网络研究. 关键词：新闻文本;信息元;关联规则;可视化; 基金资助： 国家社科基金项目（17BGL202）； 2017年度河北省社会科学发展研究课题（201702120105）； 河北省重点学科技术经济及管理、校内预研项目（KY201601）； 摘要： 【目的/意义】为了直观清晰的再现突发公共事件的整体状况与演化历程,为决策制定提供参考,本文对其网络新闻文本集信息关联及可视化进行了研究。 【方法/过程】本文首先界定了信息元的概念,对其关联规则进行了分析,然后以****事故为例进行了实证研究。 【结果/结论】研究结果表明,排名前30节点的节点度、特征向量中心性、中介中心性变化趋势基本一致,这些信息是****事故公众的关注焦点;随着时间的演变,公众对该突发事件的关注度与关注点也在发生变化。 文章目录 1 引言 2 新闻文本“信息元”的界定及其关联研究 2.1 新闻文本“信息元”的界定 2.2信息元关联分析 3 样本集的选择及信息提取与处理 3.1数据来源 3.2网络新闻文本信息元的提取与处理 4 天津港爆炸事故网络新闻文本集信息可视化 4.1总体可视化 4.2关键节点关联可视化 4.3演化分析 5 结论及建议 2，本范文主要研究方法和相关知识点 2.1，新闻文本“信息元” 本文针对新闻的四要素进行研究，将新闻文本“信息元”界定为“新闻文本中存在的能够代表新闻内容的最小信息单位，即新闻中的人物、时间、地点、事件四要素”。 2.2 社交网络节点重要性度量指标 范文提到了三种中心性：节点度、特征向量中心性、中介中心性。中心性有哪些？各有什么特点？请参看下面这张图片，来自《R语言︱SNA-社会关系网络—igraph包（中心度、中心势）（二）》
2.2.1 怎样计算点度中心度 GooSeeker资讯版块的文章《怎样利用集搜客的共词矩阵表计算点度中心性(Degree centrality)》，介绍了点度中心度相关的分析案例和使用python做点度中心度的计算实验。 2.2.2 怎样计算中介中心度 GooSeeker资讯版块的文章《如何使用Jupyter Notebook计算中介中心度(betweenness centrality)》，介绍了中介中心度相关的分析案例和使用python做中介中心度的计算实验。 2.2.3 怎样计算接近中心度 GooSeeker资讯版块的文章《怎样使用Jupyter Notebook计算接近中心度》，介绍了接近中心度相关的分析案例和使用python做接近中心度的计算实验。 2.2.4 特征向量中心度(eigenvector centrality) 参考文章《中心性的度量---度中心性，间接中心性,紧密中心性,特征向量中心性》的说明： 一个节点的特征向量中心性与其临近节点的中心性得分的总和成正比。与重要的节点连接的节点更重要，有少量有影响的联系人的节点其中心性可能超过拥有大量平庸的联系人的节点。计算方法为： 1、计算图的成对临近矩阵的特征分解 2、选择有最大特征值的特征向量 3、第i个节点的中心性等于特征向量中的第i元素 后续我们将在Jupyter Notebook中使用Python做特征向量中心性(eigenvector centrality)的计算实验。 3，本范文研究的成果 本文以****事故网络新闻文本集为例，对突发公共事件网络新闻文本集信息关联及可视化进行了研究。研究表明，利用复杂网络理论能够直观清晰了解突发公共事件整体情况和发展演化历程，对关键信息元的关联信息进行剖析，挖掘了出一些隐藏在网络文本集中的潜在的信息，能够为政府制定管理决策提供参考。 |
