杨爽
- 作品数：4 被引量：79H指数：4
- 供职机构：南京理工大学经济管理学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金江苏省“青蓝工程”基金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 突发事件中网民负面情绪的应急响应研究综述被引量：17
- 2017年
- 【目的/意义】突发事件应急响应的核心是调节网民负面情感,调节网民负面情感的关键是把握负面情感演化的规律。尽管各个突发事件网络舆情的产生原因和影响有所不同,但舆情发展的高峰都伴随着网民负面情感的产生和爆发。本研究的目标是得到网民负面情绪与网络舆情应急响应的研究现状,为该领域的研究提供前沿方向引导。【方法/过程】本文主要运用文献研究法、对比分析法对网民负面情绪和网络舆情应急响应的相关研究进行梳理和分析。【结果/结论】关于网民负面情绪的研究,目前主要从理论层面关注动因、影响因素,关于网络舆情应急响应的研究,目前主要是从公共管理的角度关注指标构建和策略研究,缺少结合实际事件和数据进行的实证研究,尤其是缺少网民负面情绪与网络舆情应急响应的关联研究。
- 凌晨冯俊文杨爽吴鹏
- 关键词：突发事件负面情绪网络舆情应急响应
- 突发事件中网民负面情绪决策的BDI模型被引量：15
- 2018年
- 本文基于"信念-愿望-意图(BDI)"模型,建立网民负面情绪的BDI规则推理模型,设计网民负面情绪BDI推理算法,分析突发事件中不同阶段、不同类型网民在特定政府应急响应措施的行为规律,在此基础上,通过典型的社会安全类突发事件微博数据进行了仿真实验和模型验证,从而揭示网民负面情绪的动因和演变规律,支持政府应急响应策略的制定。本文建立的网民负面情绪的BDI规则推理模型可以适用于突发事件网民负面情绪的调节建模。本文的研究结论指出政府采取不同类型、不同强度的应急响应措施,会影响网民的负面情绪变化,采取减弱和重建两类措施能收到更好的效果,在事件爆发阶段要提高调节的频率,在事件其他阶段也要适时进行调节,才能达到最好的引导和调控效果。政府进行调节会在很大程度上影响交互型网民,但对自我中心型网民的影响较小。
- 凌晨冯俊文杨爽吴鹏
- 关键词：突发事件BDI模型应急响应
- 基于SVM多特征融合的微博情感多级分类研究被引量：28
- 2017年
- 【目的】为更精确地识别网民态度,监测网络舆情,提出一种基于SVM多特征融合的情感5级分类方法。【方法】从词性特征、情感特征、句式特征、语义特征4个方面,提取动词、名词、情感词、否定词等14个特征,运用SVM方法对微博情感进行5级分类。【结果】实验结果表明,该方法对情感5级分类的准确率为82.40%,召回率为81.91%,F值为82.10%。【局限】训练语料的规模有待进一步提高。【结论】该方法在情感5级分类方面取得较好的效果。
- 杨爽陈芬
- 关键词：支持向量机句法分析
- 突发事件网络舆情中网民群体行为演化的Agent建模与仿真研究被引量：25
- 2015年
- 【目的】发现突发事件网络舆情演变过程中的网民群体行为模型、路径、规则以及与突发事件网络舆情演变的关系。【方法】基于Agent建模技术,对突发事件中网络舆情演变过程中网民群体行为进行建模与仿真,包括概念模型、Agent属性、交互规则、博弈规则的设计,并基于Net Logo进行仿真与预测。【结果】结合典型突发事件网络舆情案例进行实证研究,验证本文提出的Agent模型的科学性。【局限】本文提出的交互规则、博弈规则需要更多同类事件的对比和优化。【结论】基于Agent的建模方法能够综合现实情境和网民群体的行为,进行突发事件网络舆情演变的建模、仿真,揭示突发事件网络舆情演变的规律。
- 吴鹏杨爽张晶晶高庆宁
- 关键词：突发事件网络舆情
