收藏本站
收藏 | 投稿 | 论文排版

突发公共卫生事件误导信息受众情感分析及传播特征研究

张翼鹏  马敬东  
【摘要】:【目的】以新冠肺炎流行期间新浪微博数据为基础,通过文本挖掘的方式获取突发公共卫生事件中的误导信息,揭示误导信息的受众情感特征及其对信息传播的影响。【方法】使用机器学习的方法对相关微博进行分类判别,使用LDA主题模型获取微博相应主题信息,使用词典法对微博相应的评论进行情感极性判别,使用t检验分别对受众情感不同的误导信息微博的评论数、转发数和点赞数进行比较。【结果】样本数据中,误导信息占比为46.28%,误导信息和非误导信息相应微博的评论为负面情感的占比分别为59.32%和54.49%;误导信息中,评论为负面情感的微博的评论数、转发数和点赞数分别比评论为正面情感的微博平均多2.26、2.68和3.29次。【局限】未对非误导信息的传播特征进行研究分析,不排除其与误导信息特征相似的可能;仅选取"新冠肺炎疫情"一个案例,未来需要对更多案例进行横向比较。【结论】突发公共卫生事件中,网络社交媒体中存在相当比重的误导信息。相较于非误导信息,误导信息受众的负向情感比重高。在误导信息中,负面情感的信息相较正面情感的信息转发传播次数多,受众参与程度高。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 姜丽娟;;Web2.0时代负面信息传播特征及企业沟通应对策略[J];商场现代化;2011年01期
2 张博;邹丹青;;内容聚合App应用的分类及传播特征研究[J];中国报业;2014年18期
3 张炳林;杨改学;;浅析播客(Podcast)及其在教育中应用的思考[J];现代教育技术;2007年12期
4 罗平;武斌;;基于人工智能的网络舆情大数据传播特征挖掘系统[J];现代电子技术;2020年04期
5 吕光远;;基于知识受众的需求与服务研究[J];商业经济;2013年14期
6 徐舒柯;;档案信息网受众细分及传播策略[J];兰台世界;2010年06期
7 李毅成;;算法对受众信息阅读的影响研究[J];视听;2020年08期
8 ;同一份PRD,如何满足不同受众的查看需求?[J];信息与电脑(理论版);2017年08期
9 谭筱玲;修伊湄;;社交媒体时代的受众新闻认知与电视新闻生产调适[J];中国广播电视学刊;2020年05期
10 刘亚娟;尹君;;从受众角度分析档案馆信息传播行为[J];信息系统工程;2010年01期
11 王成德;刘杰梅;丁旭;尹丽琴;;Keep健身APP的功能与传播特征研究[J];科学技术创新;2019年12期
12 邓琦天;;新媒体时代受众阅读方式的转变与出版转型[J];传播与版权;2018年11期
13 官凤婷;;国内图书馆移动短视频服务现状调查及启示——以抖音号为例[J];山东图书馆学刊;2019年06期
14 张丽;;微课模式在初中英语课堂教学中的应用[J];中学生英语;2020年04期
15 张凯;李金永;安旺国;吴俊龙;;播客(Podcast)在教育教学中的应用潜力分析[J];中国教育信息化;2010年04期
16 邹建华;;数字出版与版权保护[J];中国编辑;2005年05期
17 孔少华;刘方宇;;大数据视角下影视剧受众价值取向分析——以《都挺好》为例[J];声屏世界;2019年05期
中国硕士学位论文全文数据库 前5条
1 陈阳;中国网络动画与受众关系的探索[D];北京服装学院;2012年
2 张敏;百佳出版社微信营销传播研究[D];湘潭大学;2017年
3 李东辉;基于微博结构的热点话题预测方法研究[D];中国地质大学(北京);2015年
4 刘明君;垂直搜索引擎传播学特征及应用研究[D];华中科技大学;2008年
5 王笑予;基于大数据分析的城市交通状态监测与预报[D];上海交通大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978