热点事件情境下微博舆情反转预测

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.

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

所属期刊栏目：12

分类号：G203(信息与传播理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：21-34