微博群体性事件热度的影响因素识别研究

发布时间：2021-03-02 19:09

　　[目的/意义]识别出微博群体性事件热度的影响因素,有利于快速了解、掌握微博群体性事件的发展情况,并及时做出防控处理。[方法/过程]首先,运用德尔菲法以及问卷调查方法,构建微博群体性事件热度的影响因素指标体系;然后,运用DEMATEL方法进行关联分析,识别出主要影响因素;最后,用敏感性分析法检验识别结果。[结果/结论]构建了影响微博群体性事件热度的影响因素指标体系,并结合数据分析图,识别出影响微博群体性事件热度的主要因素。 

【文章来源】：科技情报研究. 2020,2(04)

【文章页数】：12 页

【部分图文】：

中心-原因敏感性分析图

中心-原因敏感性分析图

由图2敏感性分析结果可知，分别改变专家权重后，观察横轴从左至右排列顺序，指标因素基本无顺序改变；观察纵轴的大小排序，因素H7、H8、H9的位置发生较小变化，其余基本无顺序变化。因此，可排除某位专家较强主观性的影响结果，证明DEMATEL分析结果能够反映客观事实，可继续进行结果分析。图2 中心-原因敏感性分析图

【参考文献】：
期刊论文
[1]基于SVM的网络信息茧房层次敏感影响因素识别研究[J]. 王益成,王萍,王美月.  情报资料工作. 2019(06)
[2]基于皮尔逊相关系数的网络舆情评估指标体系构建研究[J]. 覃玉冰,邓春林,杨柳.  情报探索. 2018(10)
[3]在线医疗社区知识贡献行为的关键影响因素识别与分析[J]. 孙悦,张向先,韩晓宏.  图书情报工作. 2018(11)
[4]面向舆情大数据的突发事件网络民意热度评价研究[J]. 苏国强,刘芊汝,薛信朋,夏一雪.  内江科技. 2017(07)
[5]基于多特征的热门微博预测算法研究[J]. 郑志蕴,江国林,张行进,王振飞,李钝.  小型微型计算机系统. 2017(03)
[6]基于新浪热门平台的微博热度评价指标体系实证研究[J]. 梁昌明,李冬强.  情报学报. 2015 (12)
[7]基于改进人口模型的微博话题趋势预测[J]. 何炎祥,刘健博,刘楠,彭敏,陈强,何静.  通信学报. 2015(04)
[8]网络舆情事件的灰色预测模型及案例分析[J]. 李文杰,化存才,何伟全,张芳.  情报科学. 2013(12)
[9]微博群体性事件成因及其控制策略研究[J]. 李蕾.  甘肃科技纵横. 2013(08)
[10]对微博舆情热度监测及预警的指标体系的研究[J]. 王长宁,陈维勤,许浩.  计算机与现代化. 2013(01)

硕士论文
[1]基于DEMATEL突发事件网络舆情热度评价影响因素研究[D]. 黄怡璇.西南科技大学 2018
[2]微博群体性事件研究[D]. 折江虹.山西大学 2015
[3]微博时代群体性突发事件治理研究[D]. 祁晓菲.中国石油大学(华东) 2014



本文编号：3059789