摘要
[背景/意义]将微博用户看作感知单元,形成群智网络,从公众情感角度对传染病的分布、传播与发展进行简洁直观、可视化的描述。[方法/过程]研究分五个部分。首先,爬取与事件相关的微博帖集;其次,利用数据过滤模型α过滤与事件关联度不高的帖集;同时,基于OpenStreetMap查询并检测位置以返回真实位置集;然后,基于Python的JIEBA分词系统,进行分词和词频处理,并基于朴素贝叶斯算法实现对关键词的情感预测,得到情感集;最后,通过情感反馈模型μ与疫情监控模型э产生情感曲线与疫情地图,并进行案例研究。[结果/结论]通过这种方法(内含四个模型),可以从微博上生成传染病事件的疫情情感地图与公众情感曲线。其中,地图展示了各位置集的疫情严重情况与传播情况,情感曲线给出了公众反馈随时间的变化。研究发现,病例数越多与人口流动性较大的地区情绪表现更为消极,优良的医疗条件和积极的社交媒体宣传对公众情绪有一定积极效果。
出处
《运筹与模糊学》
2018年第3期90-100,共11页
Operations Research and Fuzziology
