典型文献
基于舆情大数据的网络群体性事件动态识别模型与应对策略研究
文献摘要：
[目的/意义]随着互联网在社会中的影响力逐渐增大,面对网络群体性事件对社会生活的冲击,需把握网络群体性事件的演化规律,确定事件类别,提炼事件特征,基于不同类别的网络群体性事件,提出有针对性的应对措施.[方法/过程]通过LDA主题模型与K-means算法相结合,利用LDA模型实现文本潜在语义的识别,最终运用SVM算法进行网络群体性事件聚类分析,得到五类网络群体性事件.[结果/结论]构建的网络群体性事件动态识别模型,通过大量的文本训练,在事件聚类数为5时具有良好的解释性,完成了网络群体性事件的客观分类,分别为:经济型、社会型、文化型、民族型和环境型,为政府分类应对策略提供依据.[创新/局限]利用LDA主题模型和K-means算法,减少了模型的迭代次数,确定最佳主题数,提高了网络群体性事件识别结果的准确性,但是运用慧科新闻数据库搜集到的文本数据范围有限,且分类结果反应的事件特征具有一定局限性,后续研究可进一步扩大动态文本数据库,对分类算法进行改进和深化.
文献关键词：
舆情大数据;网络群体性事件;LDA模型;K-means算法;动态识别模型
中图分类号：
作者姓名：
李金泽;张鹏;王娟;何巍;兰月新
作者机构：
中国人民警察大学,河北廊坊065000
文献出处：
引用格式：
[1]李金泽;张鹏;王娟;何巍;兰月新-.基于舆情大数据的网络群体性事件动态识别模型与应对策略研究)[J].情报科学,2022(05):73-83
A类：
动态识别模型
B类：
舆情大数据,网络群体性事件,应对策略研究,演化规律,事件特征,LDA,主题模型,means,模型实现,五类,类网络,文本训练,聚类数,解释性,经济型,环境型,迭代次数,事件识别,新闻数据,文本数据,定局,大动态,分类算法
AB值：
0.18334
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
