高校突发事件网络舆情引导机制研究

近年来,高校突发事件频发,高校潜伏的隐性矛盾凸显,而网络舆情对于事件走向具有明显引导作用。高校网络舆情在有利于改进高校管理层的工作的同时,犹如一把"双刃剑",也给各种虚假言论、夸大言论、恶意言论提供了温床。因此,发挥高校突发事件网络舆情引导联动机制,预防或减少高校突发事件中网络舆情任意扩散的发生,努力构建高校群体性突发事件网络舆情的预防机制,掌握校园突发事件网络舆情传播的主动权,对维护校园安全稳定具有重要意义。     

大数据视域下社会舆情治理优化策略研究

随着互联网技术的飞速发展，当前社会处于大数据时代，社会生产和人们的日常生活越来越依赖互联网信息传播渠道。从某种程度上而言，网络上的社会舆情就是大数据视域下现实社会的真实矛盾在互联网平台上的投射和延伸。网络新媒体平台的发展使得人人都可以通过网络渠道来发表言论，也使得网络舆情的发展呈现出突发性、复杂性、群体性等特征，并且网络信息的传播极为迅速，网络舆情的风险随处可见，一些不实和不恰当的言论不仅不利于社会的安定和谐，而且会给当事人造成不必要的伤害和损失。本文基于大数据视域，对当前我国社会网络舆情的发展现状进行深入的分析，并根据实际存在的问题对社会舆情的科学治理提出优化策略和建议。     

自媒体环境下涉警舆情的应对与处理策略

近年来现代信息技术和互联网技术的发展,智能手机也得以全面普及,在很大程度上转变了现代人之间的沟通方式,也影响着社会舆情的传播形态。自媒体环境下网络舆情摆脱了时间与空间的束缚,也极大地增强了言论的交互性,让所有人都成为舆情传播者。目前我国正处于社会主义建设的重要时期,公安机关属于非常重要的行政执法机构,处于社会管理的最前沿,常常需要处理各种矛盾和问题,怎样在新时期下采取科学有效的处理策略,更好地应对涉警舆情,这是必须要深入思考的问题。     

论突发公共事件中网络舆情的应对与管理对策

当前的中国正处在社会转型、经济转轨的关键时期,处在一个矛盾纷争的多发期。互联网的迅捷、互动、跨时空传播等特性使之日益成为公民言论的集散地与传播通道。如何妥善地应对各类突发公共事件中的网络舆情传播,并进行有效的引导与管理,对于维护社会的安定团结具有重要意义。     

怎样编辑网络舆情信息

网络舆情是社情民意的综合反映，体现出的是网民的思想情绪、社会观点、价值取向等。编辑网络舆情信息的目的就是使领导透过纷繁复杂的舆情事件和网民言论，全面、客观、真实地了解和掌握大多数网民对某一热点事件的观点态度以及事件未来发展的趋势变化，为科学决策提供参考。     

机关单位突发事件处置中的舆情引导和管理研究

"城门失火, 殃及池鱼", 良好的舆情管理对于检验检疫部门的外在形象至关重要, 网络媒介取代旧媒体发展为民意舆情的 "晴雨表",社会公众随时随地借助网络上传言论, 微博、 推特、 社交媒体上各种言论持续发酵演变为社会舆论. 事实上, 网络放大了公众舆论的影响. 检验检疫部门突发事件处置中的舆情引导不仅体现单位的舆情危机管理水平, 而且代表了检验检疫部门公信力. 舆情来自于社会公众舆论, 反映的是民意, 舆情管理的主体是人, 突发事件中舆情的走向取决于人, 人有精神、 心理、 情绪、 利益的需求, 舆情反映的是复杂的人性. 舆情危机处置中不同的处理结果, 形成了鲜明的对比. 处置结果圆满的各方满意; 反观处置结果不当的, 牵扯众多机关工作人员, 甚至被免职. 突发事件后的舆情引导教训发人深思. 如何有效地引导舆情, 正面应对突发事件, 舆情危机管理值得研究.     

网络媒体监督与舆情引导

经过多年的发展．网络已经达到了相当程度的普及，目前为止，我国网民已经突破了4亿，网络舆论监督的作用已经得到了社会公众的普遍认可。在揭露社会矛盾、促进跨地区监督等方面发挥了重要的作用，真正成为反映民情、舆情的重要渠道。做好网络舆情的掌握引导工作．预防和应对网络舆情危机事件，是当前各级检察机关不容回避的问题。     

地方政府提升网络舆情应对能力的主要路径

网络舆情宜用不宜堵,为了使地方政府能够遵循网络舆情传播规律,积极应对网络舆情,即时化解社会矛盾,本文以现代公共管理理论为指导,从应用研究的层面,对地方政府应对网络舆情存在问题进行了分析,得出了地方政府提升网络舆情应对能力的思路和对策,即三个方面的主要措施:一是树立科学的公共管理理念,进一步厘清管理职能,建立高效的工作班子;二是优化管理手段,着力形成完善的分析研判机制、应急预警机制和总结反思机制;三是积极引导网站、网民,进一步加强政府官网建设、行业自律、法治建设和网民思想道德建设,多管齐下,最大限度发挥网路舆情的积极作用。     

工商部门舆情预警研判的难点及对策

正舆情是由个人以及社会公众,在一定历史阶段和社会空间内,对自己关心或与自身利益紧密相关的各种公共事务持有的多种情绪、意愿、态度和意见交错的总和,是民意的直接反映。当前,我国社会正处于改革关键期和矛盾凸显期,各类社会矛盾和群体性事件高发、频发,舆情借助微博、微信等新媒体,传播速度和影响范围大大增强,对舆情预警研判和准确处置带来了前所未有的挑战。舆情预警是舆情处置的首要环节,及时掌握舆情,准确预警研判,事关舆情处置工作     

基于蛙呜博弈的网络舆情与政府监管的模型浅析

网络舆情是社会舆情在互联网空间的映射，是社会舆情的直接反映。而网络舆情的相关分析处理是信息处理领域的一个新的热点。本文从博弈论的角度分析网络舆情与监管之间内在的联系。     

高校网络舆情现状调研及对策研究——以南京航空航天大学为例

在高速发展的今天,高校和网络舆情已经有着密不可分的关系,尤其是校园网络有着自己独特的网络舆情。文章选取南京航空航天大学为研究个案,采用问卷调查的方法,分析网络舆论对大学生的影响状况和大学生对于网络舆论的基本态度,针对调查结果集中反映的问题提出相应的建议,给高校应对网络舆论带来的问题和危机提供参考。     

正确的网络舆情立场对营造良好网络环境的影响

高校网络舆情作为高校校园内客观存在的一种社会现象,给大学生思想政治教育带来新的机遇和挑战。关注大学生网络舆情,探究网络对高校思想政治教育的影响,并提出针对高校学生思想政治教育的对策,以维护校园稳定,促进大学生精神生活的健康发展。     

移动互联网时代区域性突发事件的演变

在“互联网+”时代,以微博、QQ、微信为代表的社交媒体迅速崛起,我国正处在社会转型当中,社会中各个行业发展不平衡,社会矛盾也渐渐地增多,这是群体突发性事件频发的原因。在当下的互联网时代,人与人之间的联系更紧密了,消息的传递也变得极其迅速,某些过度解读社会、民间舆论的事件混淆公众的视线,使某些事情变得无法控制,无限地扩大,严重影响社会的稳定性。     

自媒体环境下高校微博舆情干预机制的构建

随着自媒体时代的到来,传统的网络舆情也因为微博的广泛应用而表现出新的特征和规律。微博舆情具有主体去中心化、出现快速迅捷、形成依赖响应、扩散呈裂变式和发展可控性差的特点,其演变可简单分为萌芽、裂变、消解三个阶段。微博舆情的特点给高校传统的网络舆情处置工作带来了新的挑战,高校可通过完善信息公开长效机制、建立微博舆情监测机制、形成微博舆情应急处置机制和健全微博舆情反馈评测机制等方法构建适合自媒体环境的微博舆情干预处置机制。     

网络舆情语境中的高校治理结构转变

本文首先介绍了我国高校治理结构现状,指出高校治理结构转变的重要性,进而论述了大学生网络信息行为特点和高校网络舆情的内涵及特征,随后通过简单分析展现了网络舆情影响下的实际高校治理和网络监督的作用。最后,依据国家教改试点方案的高校改革要求,探讨了面向网络舆情的高校治理结构转变趋势。     

“躲猫猫”事件中的网络舆论监督状况分析

本文从躲猫猫这一事件分析网络舆论的特征及其局限,并对构建和谐网络舆论环境路径做了相关探讨。     

网络舆情中的具有影响力个体信息发现与WEB日志数据挖掘预处理技术

网络舆情的形成,多数情况下是由极少数个体在舆论的初期不断施加影响的结果,对这个体的初期舆论信息的发现,十分重要。利用数据挖掘技术和对WEB日志数据挖掘预处理技术,对其进行研究,可以及早发现具有影响力个体舆论倾向,建立正确的舆论导向,使网络舆情能够健康发展。     

浅议新形势下舆论环境对思想政治教育的影响

在新形势下,作为高校辅导员如何正确认识舆论环境、优化舆论环境及如何利用舆论环境加强思想政治教育的针对性有很大的现实意义。     

移动互联网时代网络舆情传播特点研究

针对移动互联网的快速发展,首先分析了我国移动互联网的现状。然后总结了移动互联网不同于传统互联网的特点。根据移动互联网的这些特点,分析了移动互联网形势下网络舆情传播的新特点。最后,给出了应对移动互联网舆情安全的建议。     

Systemic financial risk early warning of financial market in China using Attention-LSTM model

We propose an Attention-LSTM neural network model to study the systemic risk early warning of China. Based on text mining, the network public opinion index is constructed and used as a training set to be incorporated into the early warning model to test the early warning effect. The results show that: (i) the network public opinion is the non-linear Granger causality of systemic risk. (ii) The Attention-LSTM neural network has strong generalization ability. Early warning effects have been significantly improved. (iii) Compared with the BP neural network model, the SVR model and the ARIMA model, the LSTM neural network early warning model has a higher accuracy rate, and its average prediction accuracy for systemic risk indicators has been improved over short, medium and long terms. When the attention mechanism is included in the LSTM, the Attention-LSTM neural network model is even more accurate in all the cases.