網(wǎng)絡(luò)輿情預(yù)測與分級方法研究范文

本站小編為你精心準(zhǔn)備了網(wǎng)絡(luò)輿情預(yù)測與分級方法研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：[目的/意義]建立一套行之有效的網(wǎng)絡(luò)輿情預(yù)測和分級管理系統(tǒng)對提高政府網(wǎng)絡(luò)監(jiān)管效率具有重大意義。[方法/過程]分時段記錄網(wǎng)絡(luò)輿情事件的新浪微指數(shù)、百度指數(shù)、頭條指數(shù)作為事件熱度的衡量指標(biāo)，運(yùn)用EGM(1.1)模型對輿情事件的發(fā)展趨勢進(jìn)行預(yù)測，并在預(yù)測數(shù)據(jù)基礎(chǔ)上，運(yùn)用灰色關(guān)聯(lián)分析方法，提出網(wǎng)絡(luò)輿情事件分級方案。綜合運(yùn)用上述兩模型確立的輿情監(jiān)管體系對“江歌案宣判”“攜程虐童案”“莫煥晶案二審宣判”等事件進(jìn)行分析評價。[結(jié)果/結(jié)論]模型在處理輿情管理問題方面具有良好的適用性和精確性。結(jié)合輿情事件特點(diǎn)與分析結(jié)果，向政府及公司危機(jī)公關(guān)部門等提出了相應(yīng)建議。

關(guān)鍵詞：網(wǎng)絡(luò)輿情；灰色系統(tǒng)理論；輿情預(yù)測和分級；實證研究

隨著時代的發(fā)展，互聯(lián)網(wǎng)越來越成為表達(dá)民意，反映輿情的重要平臺，尤其是“微博”“微信”等“自媒體”社交軟件的快速發(fā)展，使得網(wǎng)絡(luò)輿情成為社會輿情環(huán)境的重要組成部分。與傳統(tǒng)輿情相比，網(wǎng)絡(luò)輿情具有不確定性更大、傳播速度更快、反應(yīng)時間更短等特征[1]，這意味著在網(wǎng)絡(luò)輿情事件爆發(fā)前后，能利用的數(shù)據(jù)僅包括幾小時內(nèi)的少量數(shù)據(jù),可利用信息非常貧乏，事件發(fā)展趨勢，群眾態(tài)度傾向等更重要的輿情方面也存在不確定性大的問題。這不僅給廣大研究學(xué)者拋出了一個難題，也在很大程度上增加了政府等管理部門對于輿情事件的監(jiān)管和把控難度。基于此，本文提出運(yùn)用灰色系統(tǒng)理論知識，構(gòu)建基于EGM(1.1)模型和灰色關(guān)聯(lián)分析方法的網(wǎng)絡(luò)輿情預(yù)測和分級管理系統(tǒng)。灰色系統(tǒng)理論研究對象是“部分信息已知，部分信息未知”的“小樣本”“少數(shù)據(jù)”“貧信息”不確定系統(tǒng)[2]。結(jié)合前文提到的網(wǎng)絡(luò)輿情“可利用信息貧乏”“不確定性大”等特點(diǎn)，可以得出：輿情事件監(jiān)管相關(guān)系統(tǒng)符合灰色系統(tǒng)特征，適用灰色系統(tǒng)理論相關(guān)算法與模型。灰色系統(tǒng)理論能夠提供解決網(wǎng)絡(luò)輿情事件“數(shù)據(jù)少”“不確定性高”等問題的新思路。

1文獻(xiàn)回顧

目前，關(guān)于如何解決網(wǎng)絡(luò)輿情事件的預(yù)測和分級管理問題，國內(nèi)外學(xué)者做出了很多深入的研究，提出了諸多不同的方法和模型。從現(xiàn)有的研究成果來看，研究方法主要分為以下三類。1.1基于運(yùn)籌管理思想的解決方法基于運(yùn)籌管理思想的方法主張構(gòu)建輿情事件評價指標(biāo)體系，在評價指標(biāo)體系的基礎(chǔ)上，運(yùn)用德爾菲法、模糊綜合評判、AHP層次分析法等運(yùn)籌管理方法，賦予不同指標(biāo)不同的權(quán)重，最終得出對不同事件的熱度評價。此類方法注重對事件的事后評價，根據(jù)不同的熱度對事件進(jìn)行分級，為管理者提供管理建議。其中，李文杰等采用分層抽樣法，以網(wǎng)絡(luò)、專家和紙質(zhì)問卷調(diào)查相結(jié)合的方式得到各級指標(biāo)量權(quán)重，并在此基礎(chǔ)上通過多級模糊綜合評判方法建立了輿情信息安全的模糊評判模型，實現(xiàn)了對輿情事件的分級與評價[3]。劉健等根據(jù)信息傳播效果的“認(rèn)知—情感—行為”階梯模式理論，利用模糊數(shù)據(jù)包絡(luò)分析法建立了微博輿情信息傳播效果評價指標(biāo)體系，從控制傳播效果的角度提出了監(jiān)管建議[4]。王高飛等將層次分析法與模糊綜合分析法相結(jié)合，構(gòu)建了移動社交網(wǎng)絡(luò)輿情預(yù)警模型，并以“8•12天津港爆炸事故”進(jìn)行實證分析，證明了該模型的有效性和準(zhǔn)確性[5]。劉毅利用基于三角模糊數(shù)的模糊德爾菲法和模糊層次分析法，實現(xiàn)了對某一具體公共事務(wù)或熱點(diǎn)話題的分析評價[6]。

1.2基于計算機(jī)算法的解決方法

基于計算機(jī)算法的方法將很多先進(jìn)的計算機(jī)算法遷移到輿情監(jiān)管的領(lǐng)域中，通過賦予算法參數(shù)輿情管理相關(guān)方面的現(xiàn)實意義，適當(dāng)修改模型，實現(xiàn)對輿情事件的分析評價過程。此類方法成功運(yùn)用了計算機(jī)反映速度快、并行處理和分布式處理能力強(qiáng)等優(yōu)點(diǎn)，能夠在一定程度上適應(yīng)輿情事件爆發(fā)速度快、反應(yīng)時間短的特性。其中，梁曉賀等基于超網(wǎng)絡(luò)分析法構(gòu)建了包含用戶—觀點(diǎn)—情感—時序階段4層子網(wǎng)的超網(wǎng)絡(luò)模型，以達(dá)到預(yù)測輿情主題演化的目的[7]。田世海等運(yùn)用SVM算法完成對突發(fā)性安全事件的輿情預(yù)警工作，并應(yīng)用MATLAB進(jìn)行仿真實驗，證明了模型的切實可行性[8]。郭韌等利用可拓聚類理論對網(wǎng)絡(luò)輿情的演化趨勢進(jìn)行建模并預(yù)測,通過聚類分析得到預(yù)測結(jié)果[9]。張一文等結(jié)合貝葉斯算法的特點(diǎn)，建立網(wǎng)絡(luò)輿情態(tài)勢評估模型，從而對網(wǎng)絡(luò)輿情態(tài)勢進(jìn)行有效評估[10]。胡悅等以微博為研究對象，運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)算法，提高了微博輿情發(fā)展趨勢預(yù)測的準(zhǔn)確性[11]。何建民等運(yùn)用隱馬爾科夫模型理論,選擇網(wǎng)民特征、信息主題和信息內(nèi)容完整度三維指標(biāo),實現(xiàn)了對微博輿情演化的預(yù)測[12]。Yang等提出了一套改進(jìn)的SVM算法，并以此為基礎(chǔ)實現(xiàn)了對網(wǎng)絡(luò)事件參與者的觀點(diǎn)預(yù)測[13]。

1.3基于在線數(shù)據(jù)抓取和內(nèi)容分析技術(shù)的解決方法

基于在線數(shù)據(jù)抓取和內(nèi)容分析技術(shù)的方法主要通過抓取監(jiān)控平臺內(nèi)的評論信息，對采集到的文本使用文本分析方法，以達(dá)到及時發(fā)現(xiàn)和預(yù)測輿論發(fā)展方向，了解大眾態(tài)度傾向的目的。此方法具有實時性高，能夠反映大眾態(tài)度傾向的優(yōu)點(diǎn)。在此類研究中，安璐等學(xué)者采用基于詞典的情感分析方法,在識別與預(yù)測網(wǎng)絡(luò)輿情潛在問題方面提出了自己的觀點(diǎn)[14]。趙曉航以新浪微博“天津爆炸”話題為例，為突發(fā)事件下政府如何利用微博平臺收集、研判、應(yīng)對網(wǎng)絡(luò)輿情事件提供了科學(xué)的分析方法和應(yīng)對手段[15]。董堅峰利用web挖掘技術(shù)，構(gòu)建了突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警系統(tǒng)模型，實現(xiàn)了對突發(fā)事件的自動分級處理[16]。李彤等通多對微博內(nèi)容的情感分析與集成，達(dá)到了對于微博輿情趨勢預(yù)測的目標(biāo)[17]。王英等利用爬蟲工具和文本分析技術(shù)對微博內(nèi)容進(jìn)行處理，最終完成對網(wǎng)絡(luò)輿情事件的研判過程[18]。V.Gopalakrishnan等通過抓取病人對藥品的評論信息，運(yùn)用情感分析的方法，實現(xiàn)了對病人意見觀點(diǎn)的預(yù)測和分析[19]。W.Cherif等則是對一個旅游網(wǎng)站上的625條阿拉伯語評論進(jìn)行分析評價從而達(dá)到了對使用阿拉伯語的人群進(jìn)行意見分類和觀點(diǎn)預(yù)測目標(biāo)[20]。綜上所述，目前國內(nèi)外學(xué)者對如何解決網(wǎng)絡(luò)輿情預(yù)測和分級管理問題的相關(guān)研究眾多，但現(xiàn)有成果缺少對輿情事件預(yù)測和分級管理兩個方面的綜合性深入研究。部分學(xué)者注重輿情的預(yù)測環(huán)節(jié)，著重于構(gòu)建能夠研究輿情事件未來走勢、話題演化預(yù)測、觀點(diǎn)預(yù)測等方面的系統(tǒng)。這類系統(tǒng)往往建設(shè)復(fù)雜性高，成本預(yù)算大。部分學(xué)者注重對輿情事件的分析評價，為以后管理者處理類似輿情事件提供建議，而此類方法注重事后分析，實時性太差，無法適應(yīng)網(wǎng)絡(luò)輿情爆發(fā)快、反應(yīng)時間短的特點(diǎn)。基于以上分析，本文主張以灰色系統(tǒng)理論的EGM(1.1)模型與灰色關(guān)聯(lián)分析方法為基礎(chǔ)，利用EGM(1.1)模型良好的預(yù)測性及灰色關(guān)聯(lián)分析法優(yōu)秀的分類準(zhǔn)確性，構(gòu)建網(wǎng)絡(luò)輿情預(yù)測與分級管理體系，實現(xiàn)預(yù)測和分級的統(tǒng)一。此外，本文以新浪微指數(shù)、百度指數(shù)、頭條指數(shù)三項指標(biāo)數(shù)據(jù)構(gòu)建輿情事件的衡量指標(biāo)體系，三項數(shù)據(jù)采集方便且數(shù)據(jù)實時性高，一方面極大減少系統(tǒng)構(gòu)建成本，另一方面也能很好適應(yīng)輿情事件爆發(fā)快，反應(yīng)時間短的特性。

2網(wǎng)絡(luò)輿情預(yù)測與分級管理體系構(gòu)建

2.1網(wǎng)絡(luò)輿情衡量指標(biāo)體系

利用相關(guān)指標(biāo)量建立對事件熱度或影響度的衡量指標(biāo)體系是解決輿情事件相關(guān)監(jiān)管問題的首要步驟。本文采用新浪微博的微指數(shù)、百度搜索的百度指數(shù)、今日頭條的頭條指數(shù)三種指數(shù)作為事件熱度的評價指標(biāo)。三種指數(shù)分別為新浪、百度、今日頭條三家公司基于大數(shù)據(jù)處理技術(shù)建立起的大數(shù)據(jù)平臺，其原理是在公司掌握的相關(guān)關(guān)鍵詞的用戶搜索數(shù)、互動數(shù)等數(shù)據(jù)基礎(chǔ)上，運(yùn)用大數(shù)據(jù)算法計算而來。指數(shù)功能推出至今，在處理輿情問題上成果不甚顯著，其中陳濤等以百度指數(shù)和谷歌趨勢數(shù)據(jù)為基礎(chǔ)，實現(xiàn)了對“小悅悅事件”等熱點(diǎn)時事的分析[21]。王康等以百度指數(shù)作為公司輿情熱度指標(biāo)，為公司應(yīng)對輿情危機(jī)提供方法依據(jù)[22]。張玉強(qiáng)構(gòu)建了基于新浪微指數(shù)的階段性事件演化分析體系，為事件的識別與演化分析提供了新思路[23]。三大指數(shù)功能除了應(yīng)用前景廣闊外，還具備數(shù)據(jù)方便易得的特點(diǎn)，只需登錄相應(yīng)官方網(wǎng)站即可搜索獲得，數(shù)據(jù)的時效性和完整性也較高。因此，本文認(rèn)為以輿情事件的三大指數(shù)值為基礎(chǔ)建立的事件熱度衡量體系具有合理性和優(yōu)越性。

2.2基于EGM(1.1)模型的輿情預(yù)測過程

在灰色系統(tǒng)理論中，GM系列模型是灰色預(yù)測理論的基本模型，尤其是鄧聚龍教授提出的GM(1.1)模型，已在很多領(lǐng)域成功應(yīng)用。該模型是一種時間序列預(yù)測模型，它能根據(jù)少量信息進(jìn)行建模與預(yù)測，因而得到廣泛的應(yīng)用。GM(1.1)模型發(fā)展至今已有很多優(yōu)化和改進(jìn)，其中劉思峰教授針對不同模型的性質(zhì)和原始數(shù)列的特點(diǎn)，提出了4種GM(1.1)模型的基本形式，即：均值GM(1.1)模型（EGM）、原始差分GM(1.1)模型（ODGM）、均值差分GM(1.1)模型（EDGM）、離散GM(1.1)模型（DGM）。具體應(yīng)用中應(yīng)根據(jù)不同的應(yīng)用情景和原始數(shù)據(jù)的特點(diǎn)選擇不同的模型[24]。在輿情事件發(fā)生后，登錄相關(guān)指數(shù)官方網(wǎng)站即可記錄事件具體指數(shù)值。本文以“江歌案宣判”“攜程虐童案”“莫煥晶案二審宣判”三個輿情事件為例進(jìn)行模型的建立和檢驗過程。采集到的相關(guān)輿情事件原始數(shù)據(jù)見表1。從表1中可以看出，數(shù)據(jù)序列單調(diào)性規(guī)律不強(qiáng)，增長區(qū)間的增長速度也沒有達(dá)到指數(shù)級增長速率，基本符合振蕩序列、非指數(shù)增長序列的特點(diǎn)。而且諸多學(xué)者也表示輿情領(lǐng)域的數(shù)據(jù)序列屬于振蕩序列[25]。因此，根據(jù)劉思峰教授的主張：對于非指數(shù)增長序列和振蕩序列，應(yīng)首選微分、差分混合形態(tài)的均值GM(1.1)模型（EGM）。

2.3基于灰色關(guān)聯(lián)分析的輿情事件分級過程

基于前文介紹的模型可得輿情事件未來幾小時內(nèi)的指數(shù)數(shù)據(jù)，但是得到這些數(shù)據(jù)尚不能完成輿情事件監(jiān)管管理任務(wù)，進(jìn)一步地根據(jù)所得數(shù)據(jù)對輿情事件未來發(fā)展態(tài)勢進(jìn)行甄別，針對事件熱度等級的不同提出建議，達(dá)到提前采取行動，防止公共危機(jī)事件發(fā)生的目標(biāo)。灰色關(guān)聯(lián)分析方法是本文處理輿情事件分級的主要方法。灰色關(guān)聯(lián)分析是一種對系統(tǒng)發(fā)展變化態(tài)勢進(jìn)行定量描述和比較的方法，其基本思想是通過比較參考數(shù)列和若干個比較數(shù)列之間相似程度來判斷其聯(lián)系是否緊密。此模型所具備的樣本量需求少，對無規(guī)律數(shù)據(jù)同樣適用，不會出現(xiàn)量化結(jié)果與定性分析結(jié)果不符等優(yōu)點(diǎn)，能夠適應(yīng)網(wǎng)絡(luò)輿情特殊環(huán)境，為判別輿情事件等級提供簡便可行的方法。目前，學(xué)術(shù)界已提出了基于相似性視角和接近性視角的兩種新型灰色關(guān)聯(lián)分析模型，基于相似性視角的模型主要用于衡量參考序列在幾何形狀上與待評價數(shù)據(jù)的相似程度，基于接近性視角的模型主要用于衡量參考序列在空間中所處位置上與待評價數(shù)據(jù)的接近程度[26]。輿情事件分級的基本思路是：首先定義輿情事件的四個等級“藍(lán)色”“黃色”“橙色”“紅色”。其中“藍(lán)色”代表輿情事件的發(fā)展態(tài)勢不是很緊急，不需過度進(jìn)行干涉或防范；“黃色”代表相應(yīng)的輿情事件已有擴(kuò)大的苗頭，需提高警惕；“橙色”代表相應(yīng)的輿情事件已非常緊急，相應(yīng)的措施應(yīng)盡快實施起來；“紅色”則代表輿情已大范圍擴(kuò)散，必須采取強(qiáng)力措施進(jìn)行輿情干涉。其次，通過經(jīng)驗總結(jié)及專家評估的方式給出輿情事件四個等級分別對應(yīng)的基準(zhǔn)值。最后，將一個輿情事件某個時刻的三個指數(shù)值的序列數(shù)據(jù)作為待評價數(shù)列，通過比較四個等級的基準(zhǔn)值與待評價數(shù)列接近程度，得出輿情事件的等級。此處思想與基于接近性視角的灰色關(guān)聯(lián)模型相近，因此以此模型作為輿情事件分級的方法。

3實證研究

以三個典型輿情事件“江歌案宣判”“攜程虐童案”“莫煥晶案二審宣判”為例，進(jìn)行數(shù)據(jù)分析（原始數(shù)據(jù)見表2）。

3.1預(yù)測過程

以各事件的某指數(shù)值的時間序列作為原始數(shù)據(jù)列帶入前文2.2節(jié)所介紹模型，經(jīng)計算可得每個模型的關(guān)鍵數(shù)據(jù)。

3.2分級過程

將原始數(shù)據(jù)指數(shù)值與得到的預(yù)測值代入2.3節(jié)所介紹的灰色關(guān)聯(lián)分析法模型中，可對每個時刻的輿情事件等級進(jìn)行分級。

3.3結(jié)果說明與管理建議

將3.1節(jié)與3.2節(jié)所得結(jié)果進(jìn)行綜合，即可得最終結(jié)果。

4結(jié)束語

本文以灰色系統(tǒng)理論為基礎(chǔ)，以新浪微指數(shù)、百度指數(shù)、頭條指數(shù)為指標(biāo)量,構(gòu)建了一套網(wǎng)絡(luò)輿情預(yù)測與分級管理體系。通過對三大指數(shù)的應(yīng)用，解決了現(xiàn)有體系構(gòu)建成本高、數(shù)據(jù)采集困難且數(shù)據(jù)實時性差的難題，并針對網(wǎng)絡(luò)輿情不確定性更大、傳播速度更快、反應(yīng)時間更短所帶來的問題，運(yùn)用灰色系統(tǒng)理論，將具有良好預(yù)測性的EGM(1.1)模型及具有良好分類準(zhǔn)確性的灰色關(guān)聯(lián)分析法相結(jié)合，實現(xiàn)了對輿情事件預(yù)測與分級管理兩大步驟的綜合運(yùn)用。最后通過對三個典型輿情事件“江歌案宣判”“攜程虐童案”“莫煥晶案二審宣判”的案例分析研究，驗證了本文所提方法的合理性和準(zhǔn)確性，并結(jié)合輿情事件的特點(diǎn)給出了相應(yīng)管理建議。在網(wǎng)絡(luò)輿情監(jiān)管形勢日益嚴(yán)峻的大環(huán)境下，本文提出了一套建構(gòu)簡便而又科學(xué)有效的網(wǎng)絡(luò)輿情預(yù)測與分級管理體系，為提高政府的網(wǎng)絡(luò)輿情監(jiān)管效率做出了貢獻(xiàn)，對于保護(hù)國家信息安全，構(gòu)建和諧網(wǎng)絡(luò)環(huán)境具有重要意義。本文研究還存在一些局限：首先，三大指數(shù)具有很明顯的各自公司的特點(diǎn)，以三大指數(shù)為指標(biāo)量僅能反映輿情事件在微博、百度、今日頭條的發(fā)展形勢，若要全面反映輿情態(tài)勢需進(jìn)一步完善現(xiàn)有網(wǎng)絡(luò)輿情指標(biāo)體系。其次，本文雖能得到各輿情事件在不同時刻的熱度及相應(yīng)的輿情等級，但并未總結(jié)不同類型輿情事件的不同發(fā)展特點(diǎn)，也未總結(jié)針對不同輿情情況的管理方法，后續(xù)研究應(yīng)進(jìn)一步研究輿情事件的發(fā)展規(guī)律，建立完善的輿情應(yīng)對方法體系。

參考文獻(xiàn)

[1]張艷豐,李賀,彭麗徽,等.基于語義隸屬度模糊推理的網(wǎng)絡(luò)輿情監(jiān)測預(yù)警實證研究[J].情報理論與實踐,2017,40(9):82-89.

[2]劉思峰，黨耀國，方志耕,等.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社，2005:13.

[3]李文杰,化存才,何偉全,等.網(wǎng)絡(luò)輿情信息的綜合評價指標(biāo)體系構(gòu)建與模糊評判模型[J].情報科學(xué),2015(9):93-99.

[4]劉健,畢強(qiáng),李瑞.微博輿情信息傳播效果評價指標(biāo)體系構(gòu)建研究——基于模糊數(shù)據(jù)包絡(luò)分析法[J].情報理論與實踐,2016,39(12)：31-38.

[5]王高飛,李明.基于AHP-模糊綜合分析的移動社交網(wǎng)絡(luò)輿情預(yù)警模型研究[J].現(xiàn)代情報,2017,37(1):41-44.

[6]劉毅.基于三角模糊數(shù)的網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系構(gòu)建[J].統(tǒng)計與決策,2012(2):12-15.

[7]梁曉賀,田儒雅,吳蕾,等.基于超網(wǎng)絡(luò)的微博輿情主題挖掘方法[J].情報理論與實踐,2017,40(10):100-105.

[8]田世海,呂德麗.改進(jìn)潛在語義分析和支持向量機(jī)算法用于突發(fā)安全事件輿情預(yù)警[J].數(shù)據(jù)分析與知識發(fā)現(xiàn),2017,1(2):11-18.

[9]郭韌,李紅,陳福集.基于可拓聚類的網(wǎng)絡(luò)輿情演化預(yù)測研究[J].情報理論與實踐,2017(1):83-87.

[10]張一文,齊佳音,方濱興,等.基于貝葉斯網(wǎng)絡(luò)建模的非常規(guī)危機(jī)事件網(wǎng)絡(luò)輿情預(yù)警研究[J].圖書情報工作,2012,56(2):76-81.

[11]胡悅,王亞民.基于模糊神經(jīng)網(wǎng)絡(luò)的微博輿情趨勢預(yù)測方法[J].情報科學(xué),2017,35(12):28-33.

[12]何建民,李雪.面向微博輿情演化分析的隱馬爾科夫模型研究[J].情報科學(xué),2016,34(4):7-12.

[14]安璐,吳林.融合主題與情感特征的突發(fā)事件微博輿情演化分析[J].圖書情報工作,2017(15):120-129.

[15]趙曉航.基于情感分析與主題分析的“后微博”時代突發(fā)事件政府信息公開研究——以新浪微博“天津爆炸”話題為例[J].圖書情報工作,2016,60(20):104-111.

[16]董堅峰.基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研究[J].現(xiàn)代情報,2014,34(2):43-47.

[17]李彤,宋之杰.基于模型集成的突發(fā)事件輿情分析與趨勢預(yù)測研究[J].系統(tǒng)工程理論與實踐,2015,35(10):2582-2587.

[18]王英,龔花萍.基于情感維度的大數(shù)據(jù)網(wǎng)絡(luò)輿情情感傾向性分析研究——以“南昌大學(xué)自主保潔”微博輿情事件為例[J].情報科學(xué),2017(4):37-42.

[21]陳濤,林杰.基于搜索引擎關(guān)注度的網(wǎng)絡(luò)輿情時空演化比較分析——以谷歌趨勢和百度指數(shù)比較為例[J].情報雜志,2013(3):7-10.

[22]王康,李含偉.自媒體時代的企業(yè)網(wǎng)絡(luò)輿情應(yīng)對策略研究——基于上市公司百度指數(shù)的研究[J].情報科學(xué),2018,36(1):113-117.

[23]張玉強(qiáng).基于微指數(shù)變化曲線的階段性事件識別及演化關(guān)系分析[D].青島:山東科技大學(xué),2017.

[24]劉思峰,楊英杰.灰色系統(tǒng)研究進(jìn)展(2004—2014)[J].南京航空航天大學(xué)學(xué)報,2015,47(1):1-18.

[25]錢吳永,黨耀國.基于振蕩序列的GM(1,1)模型[J].系統(tǒng)工程理論與實踐,2009,29(3):151-156.

[26]劉思峰,謝乃明,等.基于相似性和接近性視角的新型灰色關(guān)聯(lián)分析模型[J].系統(tǒng)工程理論與實踐,2010,30(5):881-887.

作者:王寧1；趙勝洋1；單曉紅2 單位：1.北京郵電大學(xué)經(jīng)濟(jì)管理學(xué)院，2.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院