熱度分析技術(shù)在輿情吹哨系統(tǒng)中的應(yīng)用

摘要：【目的】為提高報業(yè)集團(tuán)輿情相關(guān)工作的準(zhǔn)確度和效率，文章研究熱度分析技術(shù)在吹哨系統(tǒng)中的實際應(yīng)用效果。【方法】提出熱度及關(guān)聯(lián)度計算，通過熱度話題計算、關(guān)鍵詞的關(guān)聯(lián)相關(guān)度分析及關(guān)聯(lián)熱度計算，最后完成事件熱度預(yù)測。【結(jié)果】通過熱度分析技術(shù)實際應(yīng)用，滿足日常工作中的熱點(diǎn)話題捕捉和及時跟蹤，對輿情管理具有重要實施。【結(jié)論】通過本研究證明了吹哨系統(tǒng)中所使用的熱度計算和關(guān)聯(lián)熱度計算等方法，極大地提高了吹哨系統(tǒng)的精確性，使用戶可以從海量新聞信息中高效、智能地獲得受關(guān)注、感興趣、有價值的目標(biāo)新聞信息，從而更加有力地支撐輿情監(jiān)測、新聞追蹤、新聞生產(chǎn)等業(yè)務(wù)工作。

關(guān)鍵詞：輿情；吹哨系統(tǒng)；熱度；關(guān)聯(lián)熱度；相關(guān)度" " " " " " "中圖分類號：P413" " " " " " " 文獻(xiàn)標(biāo)識碼：A

文章編號：1671-0134（2023）05-134-05" " " " "DOI：10.19483/j.cnki.11-4653/n.2023.05.031

本文著錄格式：鄭創(chuàng)偉，謝志成，陳少彬，邢谷濤，陳義飛.熱度分析技術(shù)在輿情吹哨系統(tǒng)中的應(yīng)用[J].中國傳媒科技，2023（05）：134-138.

導(dǎo)語

輿情熱點(diǎn)事件是當(dāng)下互聯(lián)網(wǎng)時代不可避免的事物之一，輿情熱點(diǎn)事件發(fā)生后，民眾往往會迅速對其熱切關(guān)注，并且在此過程中民眾會持續(xù)發(fā)表對該事件的觀點(diǎn)、態(tài)度或表達(dá)一定的情緒。[1]這類網(wǎng)絡(luò)輿情熱點(diǎn)事件從開始到發(fā)生一段時間后，最終往往會形成一個聚焦點(diǎn)，代表了網(wǎng)民的核心情緒和利益訴求。

在當(dāng)前數(shù)據(jù)爆炸的時代，如何結(jié)合新聞信息的海量歷史數(shù)據(jù)，為編輯、記者等新聞媒體從業(yè)者提供快速、精準(zhǔn)、“千人千面”的個性化新聞線索推薦和智能吹哨預(yù)警支持，增強(qiáng)輿情態(tài)勢感知能力和新聞洞察力，有效提升辦公效率和新聞創(chuàng)造能力，是當(dāng)前需要解決的問題。[2]為解決這一問題，利用熱度分析技術(shù)可以從海量新聞信息中高效、智能地獲得受關(guān)注、感興趣、有價值的目標(biāo)新聞信息，從而更加有力地支撐輿情監(jiān)測、新聞追蹤、新聞生產(chǎn)等業(yè)務(wù)工作。

1.熱度分析技術(shù)相關(guān)研究

通過對熱度分析相關(guān)文獻(xiàn)整理，發(fā)現(xiàn)網(wǎng)絡(luò)輿情熱度分析可以從兩個角度來進(jìn)行。第一是從用戶角度出發(fā)，分析用戶在論壇、微博等平臺上發(fā)布的話題情況，話題是由用戶對事件進(jìn)行描述所產(chǎn)生的，熱點(diǎn)話題和普通話題的主要區(qū)別在于用戶使用多少信息量來對其進(jìn)行描述、消耗了多少網(wǎng)絡(luò)資源，以及話題持續(xù)討論的時間等。第二是從媒體角度出發(fā)，分析新浪、搜狐等新聞網(wǎng)站對熱點(diǎn)事件轉(zhuǎn)發(fā)、排名等情況。一個話題的出現(xiàn)與傳播，是經(jīng)過大眾廣泛討論并且媒體進(jìn)行報道和轉(zhuǎn)載之后產(chǎn)生的，其中是否能成為熱點(diǎn)話題，往往會根據(jù)報道數(shù)量及頻率來進(jìn)行衡量。[3]

近年來對網(wǎng)絡(luò)輿情分析的研究已經(jīng)逐步深入到了普通學(xué)者的實驗課題探討中。課題一般聚焦于在微博、微信、論壇等社交網(wǎng)絡(luò)或應(yīng)用中，這些社交場景中存在大量的活躍用戶，一旦有熱點(diǎn)話題出現(xiàn)，其傳播速度會以指數(shù)級增長。熱點(diǎn)網(wǎng)絡(luò)輿情主要是依托網(wǎng)絡(luò)進(jìn)行傳播，一個輿情事件被大眾關(guān)注、評論、傳播，從而引起更廣泛的社會關(guān)注。在熱度分析方面，國內(nèi)研究者運(yùn)用影響力傳播模型描述熱點(diǎn)事件，這種模型通過對關(guān)鍵詞傳播次數(shù)進(jìn)行計數(shù)，數(shù)值大則代表影響力高，反之代表影響力較低。影響力傳播模型可以用于評判社交網(wǎng)絡(luò)中不同使用者之間所產(chǎn)生的交互程度。同時，通過分析話題的相關(guān)消息，以及轉(zhuǎn)載次數(shù)等來評判其是否屬于熱點(diǎn)話題，利用用戶關(guān)注度來構(gòu)建影響力傳播模型，通過關(guān)鍵詞的傳播次數(shù)反映某個事件影響力的大小。另外還有學(xué)者提出通過時間單元檢測發(fā)現(xiàn)熱點(diǎn)話題，即將某一話題限定在單元時間內(nèi)，然后根據(jù)其特征分布情況來確定特征單元，再對其進(jìn)行重組，最后生成熱度話題，以及進(jìn)一步確定出該熱度話題所發(fā)生的時間段，達(dá)到更加精準(zhǔn)預(yù)測的目的。[4]

本研究的熱度分析技術(shù)主要是針對網(wǎng)絡(luò)大眾感興趣的話題進(jìn)行研究，使算力能聚焦于用戶關(guān)注的話題，避免資源浪費(fèi)。通過計算話題的熱度，可以對不同話題的影響力進(jìn)行排序，使得在吹哨系統(tǒng)中能夠?qū)ε琶壳暗脑掝}進(jìn)行預(yù)警。從而根據(jù)預(yù)警信息提前做出相應(yīng)準(zhǔn)備，尤其是當(dāng)遇到極端情緒等，可以對其進(jìn)行正確引導(dǎo)，避免話題對其他民眾產(chǎn)生二次負(fù)面影響，成為社會不穩(wěn)定因素。針對不同話題影響力，吹哨系統(tǒng)還可以采取不同級別進(jìn)行處理，更加精準(zhǔn)地開展引導(dǎo)工作，提高輿情分析的有效性。

2.熱度及關(guān)聯(lián)熱度計算

2.1" "熱度計算

在本吹哨系統(tǒng)中，要實現(xiàn)從熱點(diǎn)話題的發(fā)現(xiàn)及預(yù)測，兩者對媒體行業(yè)都至關(guān)重要。而現(xiàn)有的研究成果大多使用的方法是進(jìn)行熱度計算，再結(jié)合以往經(jīng)驗數(shù)據(jù)來進(jìn)行驗證，判斷其是否具有有效性。這種方式往往具有一定滯后性，無法在一個話題剛出現(xiàn)的時候就能有效預(yù)測其發(fā)展趨勢，無法有效幫助政府部門及時、精準(zhǔn)地調(diào)控輿論方向，也無法根據(jù)設(shè)定的監(jiān)測規(guī)則來持續(xù)跟蹤監(jiān)測話題。因此，本研究采用Z算法對文章熱度、敏感度等進(jìn)行分析和歸類，并將分析和歸類結(jié)果保存，以便能夠及時發(fā)現(xiàn)熱點(diǎn)話題。[5]具體過程如下。

首先，將語義分解后的新聞輿情數(shù)據(jù)，即詞語化的數(shù)據(jù)，進(jìn)行二元分布統(tǒng)計，統(tǒng)計各詞語出現(xiàn)的次數(shù)，得出二元分布統(tǒng)計結(jié)果。

接著，將二元分布統(tǒng)計結(jié)果利用標(biāo)準(zhǔn)分?jǐn)?shù)Z-Score算法進(jìn)行計算，得到各詞語的熱點(diǎn)值。公式如下：

其中，公式中X為詞項出現(xiàn)次數(shù)；為詞項出現(xiàn)次數(shù)平均數(shù)；S為標(biāo)準(zhǔn)差；結(jié)果Z是以標(biāo)準(zhǔn)差為單位的離均差，用以表示詞語的熱點(diǎn)值。[6]

將熱點(diǎn)值大于預(yù)設(shè)的熱點(diǎn)上限閾值的值存入熱點(diǎn)詞庫中的熱點(diǎn)活躍詞庫，將熱點(diǎn)值小于預(yù)設(shè)的熱點(diǎn)下限閾值的值存入熱點(diǎn)詞庫中的熱點(diǎn)惰性詞庫；熱點(diǎn)詞庫與領(lǐng)域詞庫相關(guān)聯(lián)，領(lǐng)域詞庫包括新聞、博客、論壇、社交網(wǎng)站等領(lǐng)域；每個熱點(diǎn)詞庫中的熱點(diǎn)詞來源于哪些領(lǐng)域都可以進(jìn)行對應(yīng)查詢。

再根據(jù)詞語熱點(diǎn)值和預(yù)設(shè)的熱點(diǎn)詞庫判定詞語化數(shù)據(jù)中的熱點(diǎn)詞的共現(xiàn)閾值。

根據(jù)新聞輿情數(shù)據(jù)中出現(xiàn)的詞項，通過如下公式計算熱點(diǎn)活躍詞的共現(xiàn)閾值P1：

其中Wx為新聞詞項集合，Wh為熱點(diǎn)活躍詞集合。再通過如下公式計算熱點(diǎn)惰性詞的共現(xiàn)閾值P2：

其中Wx為新聞詞項集合，Wc為熱點(diǎn)惰性詞集合。然后，根據(jù)熱點(diǎn)活躍詞和熱點(diǎn)惰性詞的共現(xiàn)閾值P1和P2，進(jìn)行線性加權(quán)計算，得到熱度值。熱度值的計算公式如下：

其中Zi為第i個詞語的熱點(diǎn)值，P1為熱點(diǎn)活躍詞共現(xiàn)閾值，P2為熱點(diǎn)惰性詞共現(xiàn)閾值。然后，根據(jù)熱度值對新聞輿情數(shù)據(jù)進(jìn)行熱度判定，對熱點(diǎn)值根據(jù)預(yù)設(shè)的熱度等級評判標(biāo)準(zhǔn)進(jìn)行等級判定；將符合熱度等級評判標(biāo)準(zhǔn)的新聞輿情數(shù)據(jù)歸檔至熱點(diǎn)文檔，將不符合熱度等級評判標(biāo)準(zhǔn)的新聞輿情數(shù)據(jù)歸檔至非熱點(diǎn)文檔。[7]

在敏感度分析上，將熱點(diǎn)活躍詞庫與預(yù)設(shè)的敏感詞庫進(jìn)行比對得到熱點(diǎn)活躍詞庫中包含的敏感詞數(shù)量，再通過下述公式計算敏感值作為新聞敏感度S：

其中Ws為包含敏感詞數(shù)量，Wn為領(lǐng)域詞庫中新聞中的熱點(diǎn)活躍詞數(shù)量。

2.2" "關(guān)聯(lián)相關(guān)度分析

輿情預(yù)測就是需要對話題未來的趨勢做出判斷，一般來說相關(guān)話題的熱度值越高則話題成為熱點(diǎn)的概率也越大，也就是說所需要預(yù)測的話題成為熱點(diǎn)的概率與其相關(guān)話題熱度或數(shù)量成一定的關(guān)聯(lián)關(guān)系。話題間的關(guān)聯(lián)關(guān)系分析主要包含了對時間、地點(diǎn)、人物及行為等不同類型的詞特征之間的關(guān)聯(lián)度計算，以及對其進(jìn)行加權(quán)。[8]

2.2.1" "時間相關(guān)度計算

話題的時間相關(guān)度主要是指兩個話題發(fā)生的時間差是否在一個指定的范圍內(nèi)。需要計算時間的間隔并以之判定相關(guān)度，如果在范圍內(nèi)，則認(rèn)為兩個話題在時間上是關(guān)聯(lián)的，且時間間隔越短，則關(guān)聯(lián)性越強(qiáng)，公示如下。其中，time（T1）代表某一個話題的時間，Ti和Tj則代表分別需要預(yù)測相關(guān)度的兩個話題。如果需要分析話題出現(xiàn)的先后順序，則將time（Ti）按照時間順序進(jìn)行排列即可。

2.2.2" "地點(diǎn)相關(guān)度計算

在話題中的地點(diǎn)名稱等信息是計算該相關(guān)度的主要依據(jù)，用主要地點(diǎn)間的距離來計算該相關(guān)度值。因此需要構(gòu)造一個地點(diǎn)相關(guān)的名詞集合，具體到城市的區(qū)級或農(nóng)村的鄉(xiāng)級，并且要對應(yīng)更高行政區(qū)域建立一個層次樹。如果預(yù)測的話題所屬地域之間，距離在一定的范圍內(nèi)，則可以認(rèn)為其是相互關(guān)聯(lián)的，關(guān)聯(lián)強(qiáng)度則可以根據(jù)間隔距離計算，距離越近則說明關(guān)聯(lián)程度越高。公式如下，其中l(wèi)ocate（T1）表示話題發(fā)生的主要地點(diǎn)，其與locate（T2）之差則表示兩個話題發(fā)生地點(diǎn)在層次樹上的路徑長度。

2.2.3" "人物相關(guān)度計算

人物相關(guān)度主要是指被預(yù)測話題所涉及的人物或機(jī)構(gòu)是否相互之間關(guān)注或有其他關(guān)系，如果存在好友或其他關(guān)系，則認(rèn)為這兩個話題在人物上是關(guān)聯(lián)的。但往往在實際應(yīng)用中，微博或微信好友關(guān)系是無法取得的，因此可以利用話題中的人名進(jìn)行計算，例如通過人名重復(fù)的數(shù)量來進(jìn)行計算。公式如下，其中people（T1）為某一話題中涉及人物名稱等的集合，Ti和Tj則代表兩個需要預(yù)測的話題。

2.2.4" "行為相關(guān)度計算

行為相關(guān)度主要是收集話題行為的特征詞來進(jìn)行計算，如果涉及的行為相同或相近，則認(rèn)為其是相關(guān)的。公式如下，其中A1和A2代表兩個話題中行為特征詞的集合，maxsim（w，Ai）則為詞語語義的相似度，IDF（w）是根據(jù)預(yù)料庫中詞信息量統(tǒng)計得到。

2.3" "關(guān)聯(lián)熱度計算

針對輿情熱度的計算與預(yù)測研究當(dāng)前在學(xué)術(shù)界已經(jīng)取得了一定的成果，但大部分算法主要是針對數(shù)據(jù)進(jìn)行分析，沒有對網(wǎng)絡(luò)輿情本身的特點(diǎn)進(jìn)行數(shù)據(jù)分析，尤其是忽視了網(wǎng)絡(luò)信息之間的互聯(lián)性。因此本研究在基于熱度計算的基礎(chǔ)上，結(jié)合了關(guān)聯(lián)分析的思想，綜合考慮時間、地點(diǎn)、人物、行為的相關(guān)性，對不同屬性的相關(guān)關(guān)系進(jìn)行挖掘，構(gòu)建具有關(guān)聯(lián)關(guān)系的輿情熱度預(yù)測模型，通過分析相關(guān)事件或信息的關(guān)系，對熱度建立相應(yīng)的回歸模型，使得熱度值更加貼近實際情況。

關(guān)聯(lián)熱度計算主要就是根據(jù)話題熱度按時間對其進(jìn)行分片，再根據(jù)命名實體對其進(jìn)行識別，例如通過時間信息計算出時間相關(guān)度、通過地點(diǎn)信息計算出地點(diǎn)相關(guān)度、通過人物信息計算出人物相關(guān)度、通過行為數(shù)據(jù)計算出行為相關(guān)度，最后建立相關(guān)關(guān)系連接圖。[9]

在本吹哨系統(tǒng)中，建立新聞話題間的關(guān)系圖，再計算出熱度值，并將其設(shè)置為初始權(quán)重值，用于某一時間段內(nèi)的關(guān)聯(lián)熱度計算。熱度計算完成后，再利用相關(guān)度算法來對話題熱度的變化趨勢進(jìn)行預(yù)測和分析，實現(xiàn)吹哨系統(tǒng)預(yù)警。

2.3.1" "建立話題間關(guān)系

設(shè)定A=lt;V，Egt;為的關(guān)系圖，如圖1所示，其中為給定話題，集合為檢索到的與相關(guān)的話題集合，是邊的集合，值為話題間的相關(guān)程度，當(dāng)且僅當(dāng)兩個頂點(diǎn)間關(guān)聯(lián)度不小于閾值時，邊存在。

建立關(guān)系連接圖后，下一步將圖轉(zhuǎn)化為矩陣形式，矩陣中的行、列表示聯(lián)系圖中的點(diǎn)，矩陣中的值表示關(guān)系圖中點(diǎn)間的度。如以下圖2所示，其中Rij是節(jié)點(diǎn)i和節(jié)點(diǎn)j間的相關(guān)程度，相關(guān)度小于閾值的即不存在邊ij則值為0。

2.3.2" "相關(guān)話題關(guān)聯(lián)重要度計算

定義變換矩陣M，公式如下：

其中，d為阻尼系數(shù)，范圍介于0至1之間。該矩陣主要作用在于衡量每個點(diǎn)對待預(yù)測點(diǎn)的影響力。矩陣M具有唯一穩(wěn)定分布。該模型的矩陣表示為：

得到的h值則可以用于表示話題在關(guān)系圖中的重要程度。

2.3.3" "熱度預(yù)測

在吹哨系統(tǒng)中，需要對具有少量當(dāng)前信息的輿情短期熱度趨勢進(jìn)行預(yù)測，判斷該話題是否會成為熱點(diǎn)話題，本研究采用灰度預(yù)測方法來進(jìn)行趨勢預(yù)測。通常使用GM（1，1）模型來對話題熱度進(jìn)行預(yù)測，計算過程如下[10]：

a.輸入初始序列；

b.對初始序列進(jìn)行一次累加生成，

；

c.生成X1的緊鄰均值序列

d.即GM（1，1）的灰微分方程模型為

式中a為發(fā)展系數(shù)，b為灰色作用量。設(shè)為待估參數(shù)向量，即，則灰微分方程的最小二乘估計參數(shù)列滿足

其中，

e.求得微分方程得解為

f.還原到原始數(shù)據(jù)，得到

得到熱度趨勢預(yù)測區(qū)間，結(jié)束。

2.4" "熱度預(yù)測

在筆者實際工作中主要用到的方法是基于事件關(guān)聯(lián)的方法對輿情趨勢進(jìn)行預(yù)測，并判斷其是否成為熱點(diǎn)話題。這種模型主要是基于假設(shè)“事件是相互關(guān)聯(lián)且相互影響的”，事件與事件之間存在著一定的聯(lián)系，并且可能會相互影響或約束，其算法框架如圖3所示[11]：

能夠看出其具體流程主要包括[12]：

（1）檢索出近段時間內(nèi)與待預(yù)測話題相關(guān)的事件，在設(shè)置檢索詞時需注意特征詞的選取。

（2）對集團(tuán)本地數(shù)據(jù)庫進(jìn)行檢索，與互聯(lián)網(wǎng)上的檢索進(jìn)行比對，并分析話題間的相互關(guān)系，獲得與輿情事件有關(guān)的文字信息數(shù)據(jù)。但在數(shù)據(jù)收集后需要對數(shù)據(jù)信息進(jìn)行去噪等處理，保證一定的準(zhǔn)確性。

（3）對整理出的文本信息采用聚類算法分析，提取出其可能包含的話題數(shù)量。

（4）對文本數(shù)據(jù)進(jìn)行時間排序，按照實際需求來設(shè)定時間段，在每一個時間段根據(jù)事件發(fā)生的時間、人物、地點(diǎn)、行為等，計算出話題間的相關(guān)度，從而得到所有話題的關(guān)系，即關(guān)系連接圖。

（5）分析不同話題的重要程度，并且預(yù)測關(guān)聯(lián)熱度，最終計算出該話題或信息成為熱點(diǎn)的可能性。

3.實驗結(jié)果及分析

3.1" "實驗設(shè)計

本吹哨系統(tǒng)在對輿情熱度進(jìn)行預(yù)測后，進(jìn)一步利用后驗差檢驗方法來驗證實驗效果，具體步驟包括：

（1）計算原始序列的平均值；

（2）計算原始序列的均方差S1；

（3）計算殘差均值；

（4）計算殘差均方差S2；

（5）計算S2與S1的比值C

（6）計算小殘差概率P

3.2" "實驗結(jié)果

本研究分別使用P值和C值來衡量突發(fā)輿情的預(yù)測效果，并設(shè)計了相應(yīng)的后驗差檢驗判別參照表（見表1）。

在數(shù)據(jù)庫中對“孫小果案”相關(guān)數(shù)據(jù)進(jìn)行熱度預(yù)測，分別包括長期預(yù)測、短期預(yù)測、普通灰度預(yù)測和關(guān)聯(lián)熱度預(yù)測，所得到的實驗結(jié)果如下：

從表2 結(jié)果看出，關(guān)聯(lián)熱度計算的方法對突發(fā)輿情的預(yù)測效果非常好，驗證了該吹哨系統(tǒng)中所使用的熱度分析技術(shù)的可行性和有效性。

結(jié)語

本研究對報業(yè)集團(tuán)吹哨系統(tǒng)中所使用的熱度計算、關(guān)聯(lián)相關(guān)度分析、關(guān)聯(lián)熱度計算，以及熱度預(yù)測等進(jìn)行了深入分析，分別列出了相關(guān)公式和模型中涉及的相關(guān)因素，例如時間、地點(diǎn)、人物及行為等不同類型的詞特征，從而計算出事件之間的關(guān)聯(lián)度，并預(yù)測是否會發(fā)展成為熱點(diǎn)事件。通過上述方法和實際應(yīng)用，證明報業(yè)集團(tuán)吹哨系統(tǒng)具有較好的精確性，使用戶可以從海量新聞信息中高效、智能地獲得受關(guān)注、感興趣、有價值的目標(biāo)新聞信息，從而更加有力地支撐輿情監(jiān)測、新聞追蹤、新聞生產(chǎn)等業(yè)務(wù)工作。政府也可以借助該系統(tǒng)引導(dǎo)輿情方向，對重大輿論事件可以快速做出反應(yīng)。這可以在一定程度上抑制大眾對輿論事件產(chǎn)生的消極情緒，將有利于政府正確引導(dǎo)輿情發(fā)展趨勢，以及保持社會和諧穩(wěn)定。

參考文獻(xiàn)

[1]梁修明. 新媒體環(huán)境下公共危機(jī)傳播治理路徑[J]. 中國傳媒科技，2019（5）：48-50.

[2]馮小東，李卓雅，史志慧. 基于網(wǎng)絡(luò)輿情熱度的自然災(zāi)害影響評估分析[J]. 情報探索，2020（1）：16-22.

[3]袁然. 全媒體傳播中數(shù)據(jù)技術(shù)的應(yīng)用實踐[J]. 中國傳媒科技，2021（7）：21-23.

[4]高萍，周恩. 大數(shù)據(jù)背景下政府危機(jī)公關(guān)的輿情引導(dǎo)及對策研究——以政務(wù)微博為例[J]. 陰山學(xué)刊，2019（6）：88-94.

[5]毛通，謝朝德. 基于百度大數(shù)據(jù)的信用輿情指數(shù)構(gòu)建與實證研究[J]. 征信，2020（1）：11-20.

[6]王文妤，陰雪穎. 基于模糊評價法政府實時監(jiān)控網(wǎng)絡(luò)輿情熱度模型構(gòu)建[J]. 中國管理信息化，2019（23）：170-173.

[7]鄒佳成，馬遠(yuǎn)遠(yuǎn)，劉婷，唐伯超，劉振國，高輝. 基于大數(shù)據(jù)的酒業(yè)輿情信息監(jiān)測平臺[J]. 釀酒科技，2020（3）：129-135.

[8]張丕翠，楊建武，施水才. 網(wǎng)絡(luò)空間的輿情態(tài)勢感知[J]. 信息安全研究，2019（11）：1013-1020.

[9]李靖云. 新媒體環(huán)境中熱點(diǎn)事件的輿情治理策略[J]. 新聞潮，2019（10）：44-45+48.

[10] 曾潤喜. 網(wǎng)絡(luò)輿情治理的關(guān)鍵是“治未病”[J]. 中國傳媒科技，2018（12）：12-14.

[11]張源淇.影響網(wǎng)絡(luò)輿情熱度評價的識別因素探討[J].新聞研究導(dǎo)刊，2022（1）：127-129.

[12]王茜儀，杜明坤，張山.基于深度學(xué)習(xí)的網(wǎng)絡(luò)輿情熱度研究[J].無線互聯(lián)科技，2020（22）：16-17.

作者簡介：鄭創(chuàng)偉（1978-），男，廣東汕頭，高級工程師，研究方向為大數(shù)據(jù)、人工智能；謝志成（1980-），男，廣東汕頭，中級職稱，研究方向為大數(shù)據(jù)、云計算；陳少彬（1973-），男，廣東揭陽，中級職稱，研究方向為大數(shù)據(jù)；邢谷濤（1984-），男，海南文昌，研究方向為云計算；陳義飛（1981-），男，廣東湛江，中級職稱，研究方向為大數(shù)據(jù)。

（責(zé)任編輯：張曉婧）