突發(fā)事件風(fēng)險(xiǎn)評(píng)估屬于運(yùn)用社會(huì)網(wǎng)絡(luò)理論探究輿情控制問(wèn)題的研究范疇,是輿情控制研究的細(xì)分研究。本文首先通過(guò)多維社會(huì)網(wǎng)絡(luò)模型描述自媒體社交平臺(tái)的信息特征,在此基礎(chǔ)上建立突發(fā)事件風(fēng)險(xiǎn)評(píng)估模型。通過(guò)對(duì)多維社會(huì)網(wǎng)絡(luò)模型的多維度風(fēng)險(xiǎn)特征量化,將突發(fā)事件的宏觀信息指標(biāo)轉(zhuǎn)化為微觀的社會(huì)網(wǎng)絡(luò)特征。為進(jìn)一步度量情感維度在多維社會(huì)網(wǎng)絡(luò)模型中的作用,本文引入猶豫模糊集理論量化情感極性,并運(yùn)用模糊集對(duì)自然語(yǔ)義的二維描述方式,建立基于猶豫模糊集的情感極性度量方法。為進(jìn)一步探究風(fēng)險(xiǎn)評(píng)估模型的有效性、適用性及準(zhǔn)確性,本文對(duì)五個(gè)不同類型的社會(huì)突發(fā)事件進(jìn)行了風(fēng)險(xiǎn)評(píng)估量化實(shí)證研究。首先,通過(guò)分析突發(fā)安全事故、突發(fā)自然災(zāi)害、政府業(yè)績(jī)等新聞事件的微博信息,獲得不同類型事件的情感極性度量及風(fēng)險(xiǎn)度量結(jié)果。其次,通過(guò)對(duì)事件內(nèi)部各層次影響因素對(duì)比及多個(gè)事件之間橫向結(jié)果對(duì)比,得出基于猶豫模糊集的多維度社會(huì)網(wǎng)絡(luò)模型在突發(fā)事件風(fēng)險(xiǎn)評(píng)估問(wèn)題中具有有效性及較高的準(zhǔn)確性。再次,通過(guò)事件內(nèi)部的縱向因素對(duì)比,探究該風(fēng)險(xiǎn)評(píng)估模型中各影響因素指標(biāo)的影響效果,并通過(guò)事件之間的橫向結(jié)果對(duì)比,探究風(fēng)險(xiǎn)評(píng)估模型中各影響因素指標(biāo)在不同類型突發(fā)事件評(píng)估的適用性及準(zhǔn)確性... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

梯形極性語(yǔ)義集

浙江大學(xué)碩士學(xué)位論文模型構(gòu)建與優(yōu)化28在其他語(yǔ)義的模糊性極高。此時(shí)最小自然語(yǔ)義集s1為：S0=<“0，H”,“1，0”>。當(dāng)負(fù)性情感極性語(yǔ)義集si-越接近s0時(shí)，則表示其情感負(fù)性越高，反之則表示其情感負(fù)性越低。同理，當(dāng)正性情感極性語(yǔ)義集si+越接近s1時(shí)，則表示其情感正性越高，反之則表示其情感正性越低。按照以上描述，文本信息的負(fù)向情感極性S(s0,si)與正向情感極性S(s1，si)度量公式如公式（3.21-3.22）所示：0i0imax0i(,)S(s,)(,)edsssess=（3.21）1i1imax1i(,)S(s,)(,)edsssess=（3.22）3.3小結(jié)通過(guò)對(duì)以上基于猶豫模糊集的情感極性度量方法的描述可知，在多維網(wǎng)絡(luò)中的情感子網(wǎng)中可采用極性度量方法量化情感極性�；诙嗑S度社會(huì)網(wǎng)絡(luò)模型的風(fēng)險(xiǎn)評(píng)估模型，可對(duì)突發(fā)事件的輿情演化的過(guò)程風(fēng)險(xiǎn)進(jìn)行科學(xué)量化，從而直觀得展現(xiàn)社會(huì)網(wǎng)絡(luò)中個(gè)體風(fēng)險(xiǎn)及整個(gè)事件風(fēng)險(xiǎn)。圖3.10為模型構(gòu)建框架。圖3.10模型構(gòu)建框架如圖3.10所示，情感子網(wǎng)中的文本進(jìn)行文本分析獲得情感評(píng)分后，本文運(yùn)用模糊集理論將評(píng)分轉(zhuǎn)化為正向及負(fù)向情感極性，從而獲得多維層次網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)估度量特征值。該模型框架可綜合分析自媒體平臺(tái)中突發(fā)事件輿情信息個(gè)體及整體事件的風(fēng)險(xiǎn)值，本文運(yùn)用該模型展開(kāi)實(shí)例分析，詳見(jiàn)第四章。

活躍用戶受眾分布

【參考文獻(xiàn)】：
期刊論文
[1]基于超網(wǎng)絡(luò)理論的微博輿情關(guān)鍵節(jié)點(diǎn)挖掘[J]. 張連峰,周紅磊,王丹,張海濤.  情報(bào)學(xué)報(bào). 2019(12)
[2]突發(fā)公共事件網(wǎng)絡(luò)輿情治理研究的取向與進(jìn)路[J]. 林振.  情報(bào)雜志. 2019(04)
[3]網(wǎng)絡(luò)社會(huì)安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究[J]. 曾潤(rùn)喜,羅俊杰,朱美玲.  電子政務(wù). 2019(03)
[4]基于社會(huì)化媒體的公共政策輿情預(yù)測(cè)研究[J]. 王亞民,寧?kù)o,馬續(xù)補(bǔ).  情報(bào)理論與實(shí)踐. 2019(01)
[5]基于主題一致性和情感支持的評(píng)論意見(jiàn)領(lǐng)袖識(shí)別方法研究[J]. 安璐,胡俊陽(yáng),李綱.  管理科學(xué). 2019(01)
[6]基于系統(tǒng)動(dòng)力學(xué)的社交網(wǎng)絡(luò)輿情應(yīng)對(duì)策略仿真分析——以“亞布力事件”為例[J]. 曹海軍,李明.  東北大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(01)
[7]Rebels Lead to the Doctrine of the Mean: A Heterogeneous DeGroot Model[J]. CAO Zhigang,JIAO Fengliang,QU Xinglong,WANG Wen-Xu,YANG Mingmin,YANG Xiaoguang,ZHANG Boyu.  Journal of Systems Science & Complexity. 2018(06)
[8]國(guó)內(nèi)外網(wǎng)絡(luò)輿情演化、預(yù)警和應(yīng)對(duì)理論研究綜述[J]. 王蘭成,陳立富.  圖書(shū)館雜志. 2018(12)
[9]網(wǎng)絡(luò)輿情治理的關(guān)鍵是“治未病”[J]. 曾潤(rùn)喜.  中國(guó)傳媒科技. 2018(12)
[10]網(wǎng)絡(luò)暴力下突發(fā)事件中觀點(diǎn)決策與輿情反轉(zhuǎn)[J]. 黃傳超,胡斌,閆鈺煒,趙旭.  管理工程學(xué)報(bào). 2019(01)

博士論文
[1]基于意見(jiàn)挖掘通用框架的情感極性強(qiáng)度模糊性研究[D]. 寇廣增.武漢大學(xué) 2010



本文編號(hào)：3282523