高级检索
新型冠状病毒（COVID-19）疫情爆发期间，涌现出了众多的抗疫意见领袖。通过对意见领袖话题传播和演化进行分析研究，可以为网络舆情治理和疫情防控提供理论和知识支撑。采用N-Gram语言模型和Shingling相似度算法相结合的方式进行话题检测，再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征，构建以意见领袖为核心的话题图谱。实验结果表明，话题准确率达82.3%，召回率达81.6%，与传统Single-Pass聚类相似度算法相比均有所提高。通过对图谱分析，能够简单直观地展示出不同实体间多维舆情关系。同时，可以提高检索速度和分析效率，符合舆情传播客观规律。
[新冠疫情, 意见领袖, 网络舆情, 知识图谱, 话题分析]
[任东亮, 林绍福, 黄鸿发, 付钰]
新型冠状病毒（COVID-19）疫情爆发期间，涌现出了众多的抗疫意见领袖。通过对意见领袖话题传播和演化进行分析研究，可以为网络舆情治理和疫情防控提供理论和知识支撑。采用N-Gram语言模型和Shingling相似度算法相结合的方式进行话题检测，再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征，构建以意见领袖为核心的话题图谱。实验结果表明，话题准确率达82.3%，召回率达81.6%，与传统Single-Pass聚类相似度算法相比均有所提高。通过对图谱分析，能够简单直观地展示出不同实体间多维舆情关系。同时，可以提高检索速度和分析效率，符合舆情传播客观规律。
[新冠疫情, 意见领袖, 网络舆情, 知识图谱, 话题分析]
[任东亮, 林绍福, 黄鸿发, 付钰]
227会员权益
新型冠状病毒（COVID-19）疫情爆发期间，涌现出了众多的抗疫意见领袖。通过对意见领袖话题传播和演化进行分析研究，可以为网络舆情治理和疫情防控提供理论和知识支撑。采用N-Gram语言模型和Shingling相似度算法相结合的方式进行话题检测，再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征，构建以意见领袖为核心的话题图谱。实验结果表明，话题准确率达82.3%，召回率达81.6%，与传统Single-Pass聚类相似度算法相比均有所提高。通过对图谱分析，能够简单直观地展示出不同实体间多维舆情关系。同时，可以提高检索速度和分析效率，符合舆情传播客观规律。
显示全部共0条评论
京公网安备 11010802032778号
评论
共0条评论