典型文献
热点事件情境下微博舆情反转预测
文献摘要：
新媒体对热点事件的迅速播报,使得舆情反转现象时有发生,识别舆情反转的影响因素,在事件发生之初预测是否会发生舆情反转有助于突发事件管理部门预判舆情发展方向,及时进行舆情引导,维护媒体公信力和网络生态环境健康发展.收集2017-2020年间的38个热点事件的热门微博,从事件、用户、信息、传播四个方面提出议程设置度、信息平衡性、微博报道时效性、评论/转发时效性、事件曝光者类型等30个特征,使用XGBoost计算不同特征在舆情反转预测中的重要性,结合逻辑回归、决策树、随机森林、XGBoost、高斯朴素贝叶斯五种机器学习方法构建舆情反转预测模型,并对模型进行训练和评估,找出最优预测模型.特征重要性实验结果表明,信息平衡性、事件曝光者类型、事件类型对于舆情反转预测的影响最为显著.五种预测模型中,基于随机森林和XGBoost的预测模型综合表现最好.本文分别从媒体、公众和平台三个方面对舆情反转事件的判别和治理提出了建议.
文献关键词：
舆情反转;舆情预测;热点事件;舆情治理;微博分析;机器学习
中图分类号：
作者姓名：
安璐;惠秋悦
作者机构：
武汉大学信息资源研究中心,武汉,430072;武汉大学信息管理学院,武汉,430072
文献出处：
引用格式：
[1]安璐;惠秋悦-.热点事件情境下微博舆情反转预测)[J].信息资源管理学报,2022(03):21-34
A类：
微博分析
B类：
热点事件,事件情境,微博舆情,舆情反转,播报,时有发生,事件管理,舆情引导,媒体公信力,网络生态,生态环境健康,议程设置,平衡性,转发,曝光,XGBoost,逻辑回归,决策树,朴素贝叶斯,机器学习方法,特征重要性,事件类型,型综合,综合表现,舆情预测,舆情治理
AB值：
0.285636
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。
