期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
互联网舆情政策文本量化研究:2009-2016 被引量：19
1
作者 李明德 黄安 张宏邦 《情报杂志》 CSSCI 北大核心 2017年第3期55-60,91,共7页
[目的/意义]互联网舆情政策已经成为政府机构实现网络舆情治理规范化和制度化、提升网络舆情治理效能的重要工具。通过研究互联网舆情政策文件可以考察政府部门在网络舆情治理实践中的行为策略。[方法/过程]以关键词检索的方式在百度和... [目的/意义]互联网舆情政策已经成为政府机构实现网络舆情治理规范化和制度化、提升网络舆情治理效能的重要工具。通过研究互联网舆情政策文件可以考察政府部门在网络舆情治理实践中的行为策略。[方法/过程]以关键词检索的方式在百度和谷歌搜集公开可得的互联网舆情政策文本,最终获得215个有效样本,并进行内容分析和软件分析。[结果/结论]研究发现:政府机构在2009年就已经颁布政策文件,2012年呈现爆发式增长;大多数政策文件未明确界定网络舆情的概念;政策发布机构以地市级和县级政府机构为主;政策文件以通知和办法为主;处置、管理和应对是常见的政策主题词;"维稳"思维仍是主导,但少数强调舆情的民意属性;大多数政策文件未规定回应时限,不过在工作原则层面突出时效性和责任归属;工作机制层面,资金保障和工作激励机制被提及较少,处置、人力资源保障、问责、领导小组等是关注重点。 展开更多
关键词 互联网舆情 舆情政策 舆情治理 政策计量 内容分析
在线阅读 下载PDF
基于BERT的多层次特征融合的舆情文本政策意愿识别模型研究
2
作者 翁克瑞 周雅洁 於世为 《中国地质大学学报(社会科学版)》 北大核心 2025年第1期131-140,共10页
传统政策需求研究因成本和时间因素,逐渐转向利用社交媒体进行政策需求智能发现。尽管社交媒体提供了丰富的公众政策意愿,但捕捉其中的政策观点受到语义模糊性和复杂评论网络关系的挑战。为解决以上问题,本文提出ConTextBERT-CNN模型,... 传统政策需求研究因成本和时间因素,逐渐转向利用社交媒体进行政策需求智能发现。尽管社交媒体提供了丰富的公众政策意愿,但捕捉其中的政策观点受到语义模糊性和复杂评论网络关系的挑战。为解决以上问题,本文提出ConTextBERT-CNN模型,以识别社交媒体上的公众政策意愿。该模型结合了优化后的BERT预训练模型和改进的TextCNN架构,通过全词掩码技术增强了中文语义理解,并融合不同层级的解码层输出实现对多层语义信息的精细提取。实验结果表明,ConTextBERT-CNN模型在处理新能源汽车、碳中和、分时电价政策主题的数据集时,分别达到了86.4%、82.0%、82.5%的分类准确率,显著优于传统的深度学习方法,证明其在捕捉和解析公众政策意愿方面具有高效性和准确性。 展开更多
关键词 社交媒体 政策需求 BERT 舆情政策文本
在线阅读 下载PDF
公共教育政策舆情研究的几个基本问题分析 被引量：1
3
作者 李鑫 《教育理论与实践》 CSSCI 北大核心 2012年第11期29-32,共4页
关于教育政策问题确定的研究十分重要,因为构建公共教育政策问题是公共教育政策过程研究的逻辑起点。公共教育政策舆情研究就是研究哪些教育问题应该而且可以上升为公共教育政策问题,并通过公共教育政策的制定、执行和调整,增进民众普... 关于教育政策问题确定的研究十分重要,因为构建公共教育政策问题是公共教育政策过程研究的逻辑起点。公共教育政策舆情研究就是研究哪些教育问题应该而且可以上升为公共教育政策问题,并通过公共教育政策的制定、执行和调整,增进民众普通的教育利益。公共教育政策舆情研究可以分为确定有影响力的传播教育问题的媒体、获取公共教育政策舆情信息、确定对公共教育政策舆情信息进行分析的方法、撰写并呈交公共教育政策舆情研究报告四个步骤进行,并关注传播主体、传播内容、传播原因、传播效果四个方面的问题。 展开更多
关键词 公共教育政策 公共教育政策舆情研究 公共教育信息
在线阅读 下载PDF
基于大模型的政策反讽评论自动识别方法研究
4
作者 霍朝光 尹卓 +3 位作者 杨媛 杨万诚 茹润钰 霍帆帆 《情报学报》 CSSCI CSCD 北大核心 2024年第12期1414-1424,共11页
政策反讽评论是公众发表政策意见时,采取的一种极端和尖锐的表达方式,对其进行自动精准识别,是政策舆情监管的重要命题之一。鉴于当前鲜有关于政策反讽评论自动识别方法的研究,并且解决该问题困难重重,本文提出基于大模型框架构建政策... 政策反讽评论是公众发表政策意见时,采取的一种极端和尖锐的表达方式,对其进行自动精准识别,是政策舆情监管的重要命题之一。鉴于当前鲜有关于政策反讽评论自动识别方法的研究,并且解决该问题困难重重,本文提出基于大模型框架构建政策反讽评论自动识别方法,分别基于ChpoBERT(Chinese policy BERT)、LLaMA-2、GPT-2、StructBERT等框架构建政策反讽评论自动识别模型,在爬取111628条新浪微博有效政策评论数据的基础上,手工对数据进行标注,构建了首个政策反讽评论数据集,为未来此方向的研究提供了数据支持。同时,根据数据有无话题标签的特征,将其进一步划分为带话题标签和不带话题标签两个数据集,分别用于模型训练和评估。研究发现,基于ChpoBERT构建的政策反讽评论自动识别模型,其精确率、召回率和F1值等指标最优,LLaMA-2次之;基于大模型框架构建的政策反讽自动识别模型,经过微调后,性能都比较有保障。本文构建的政策反讽自动识别模型,是针对此问题的首项研究,为未来该方向的研究树立了明确可对比的基线模型,为当下政策舆情监管提供了一种有效方法。 展开更多
关键词 政策反讽评论 大语言模型 自动识别 政策舆情 政策信息学
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部