典型文献
基于新浪微博数据的云南漾濞6.4级地震舆情时空特征及情感分析
文献摘要：
震后对网络舆情信息的监控、分析、处置和引导,对于相关部门开展震灾应急救援和稳定社会情绪具有重要现实意义.本研究基于新浪微博数据,以云南大理漾濞县6.4级地震为例,对震后24 h微博文本、发布时间、地理位置三方面进行信息提取与挖掘,研究本次地震的舆情时间、空间分布和情感极性分布特征,并结合震后时间序列,交叉分析微博热搜词条对舆情产生的影响,挖掘微博舆情与时间、用户所在地以及当前热点事件的相关关系.结果 表明:在空间分布上,发博数主要集中在云南和四川;中东部地区网络舆情信息传播量也较大,中西部地区相对较少.在舆情情感上,积极情绪占总体数量的67.16％,中性情绪占总体的6.24％,消极情绪占总体的26.60％.在震后24 h内,本次地震舆情初期表现出的多为积极情绪;中期由于伤亡情况的披露,消极情绪有上涨趋势,但很快趋于稳定;末期由于其他热点问题的影响,消极情绪大幅上涨.本文研究结果可为新时期地震震后网络舆情的引导和处置提供借鉴参考.
文献关键词：
新浪微博;云南漾濞地震;时空特征;舆情分析;情感分析
中图分类号：
作者姓名：
刘耀辉;刘婉婷;张文焯;魏本勇;郑国强;靳奉祥
作者机构：
山东建筑大学测绘地理信息学院,山东济南250101;河北省地震动力学重点实验室,河北三河065201;山东科技大学测绘与空间信息学院,山东青岛266590;中国地震局地震与火山灾害重点实验室,北京100029;中国地震局地质研究所,北京100029
文献出处：
引用格式：
[1]刘耀辉;刘婉婷;张文焯;魏本勇;郑国强;靳奉祥-.基于新浪微博数据的云南漾濞6.4级地震舆情时空特征及情感分析)[J].自然灾害学报,2022(01):168-178
A类：
B类：
于新浪,新浪微博,微博数据,级地震,地震舆情,时空特征,情感分析,震后,网络舆情信息,震灾,应急救援,社会情绪,云南大理,漾濞县,微博文本,发布时间,信息提取,情感极性,交叉分析,微博热搜,词条,微博舆情,所在地,热点事件,南和,中东部地区,信息传播,播量,中西部地区,积极情绪,消极情绪,伤亡,很快,震震,云南漾濞地震,舆情分析
AB值：
0.336864
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。
