政务微博信度评价及舆情危机应对态势决策研究
发布时间:2020-05-04 05:58
【摘要】:政务微博作为政府部门提供公共服务和进行社会管理的新形式,在对于社会突发情况、大型公共事件的舆情引导方面发挥了巨大的功用。过去对于舆情引导效果评判的大量研究工作集中在了理论方面,停留在定性阶段,缺乏准确的科学定量分析方法,尚无完善的政务微博舆情应对态势结果的评价模型,并且在研究时忽略了舆情引导者自身属性对于舆情发展的影响,即在对政务微博舆情危机应对效果进行决策时,需要加入对于政务微博信度的考量。在过去微博用户影响力的计算指标体系的基础上,本文构建了改进的政务微博信度评价指标体系,加入了对于二次影响力的研究。结合层次分析法和模糊数学综合评判法,实现了对于政务微博账户的信度计算,并运用BP神经网络对评价模型进行了检测,根据输出数据与期望数据的一致性结论,完成了对于政务微博信度计算可靠性的检测。检测结果证明了评价指标体系的科学性与评价方法的合理性。根据计算结果,对政务微博的运营者在提升账户可信度的工作方向上提出切实有效的建议。在上一步工作的基础上,通过设计决策层结构和决策流程,模糊输入量并确定模糊决策规则,完成对于政务微博舆情应对态势决策模型的建立。将通过信度指标体系和计算方法得到的评价结果与舆情态势博文的言论支持度、言论共识度、言论理性度属性值一起作为模糊决策算法的输入,并通过模糊决策方法,得出政务微博舆情危机应对态势情况,从而完善对于舆情预警与控制的长效机制,并评估政务微博应对舆情的处理能力优劣性与方法有效性。政务微博运营机构可以据此评估结果调整舆情应对方法,实现对于网络舆情的有效控制与引导,形成流程优化的闭环。
【图文】:
^^g^aswfflBatggsgga’WMiWMaffliiasiiBtwwmianwaaffiiaiWBiiiiBtw^^逡逑图2.1某政务微博截图逡逑角度来分析,,微博可以实现让政府机构的相关人员通过与网民的收集和发布,从而实现对于舆情的观测与疏导。它可以使群众的“耳朵”,群众的诉求被政府所听到,政务问题被高效的处理。普通的新浪微博用户一样,由操作者主动进行账户的创建。但
逦24逡逑图2.4神经元模型逦图2.5邋Sigmoid激活函数逡逑BP神经网络的发展趋势:进一步研宄BP神经网络模型改进和提高调节各层逡逑网络感知的算法的能力。逡逑2.3本章小结逡逑本章节介绍了政务微博舆情应对态势相关的两个相关理论:政务微博和舆情逡逑应对。首先,从分类和功能的角度对政务微博的概念进行了阐释,并将其与普通逡逑微博用户作比较,提出政务微博的三大特性:公共性、权威性和更加注重管理性。逡逑接着,引入舆情危机的概念,并说明了研究主体政务微博与舆情危机二者之间的逡逑关联。接下来,对本文涉及的两大技术:模糊决策和BP神经网络的具体方法进逡逑行了简要介绍。逡逑10逡逑
【学位授予单位】:南京师范大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:D63;C912.63
【图文】:
^^g^aswfflBatggsgga’WMiWMaffliiasiiBtwwmianwaaffiiaiWBiiiiBtw^^逡逑图2.1某政务微博截图逡逑角度来分析,,微博可以实现让政府机构的相关人员通过与网民的收集和发布,从而实现对于舆情的观测与疏导。它可以使群众的“耳朵”,群众的诉求被政府所听到,政务问题被高效的处理。普通的新浪微博用户一样,由操作者主动进行账户的创建。但
逦24逡逑图2.4神经元模型逦图2.5邋Sigmoid激活函数逡逑BP神经网络的发展趋势:进一步研宄BP神经网络模型改进和提高调节各层逡逑网络感知的算法的能力。逡逑2.3本章小结逡逑本章节介绍了政务微博舆情应对态势相关的两个相关理论:政务微博和舆情逡逑应对。首先,从分类和功能的角度对政务微博的概念进行了阐释,并将其与普通逡逑微博用户作比较,提出政务微博的三大特性:公共性、权威性和更加注重管理性。逡逑接着,引入舆情危机的概念,并说明了研究主体政务微博与舆情危机二者之间的逡逑关联。接下来,对本文涉及的两大技术:模糊决策和BP神经网络的具体方法进逡逑行了简要介绍。逡逑10逡逑
【学位授予单位】:南京师范大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:D63;C912.63
【相似文献】
相关期刊论文 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
4 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
5 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
6 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
7 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
8 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
9 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
10 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期
相关会议论文 前10条
1 孙军田;张U
本文编号:2648201
本文链接:https://www.wllwen.com/shekelunwen/shgj/2648201.html