一、因为事件 所以新闻（论文文献综述）
张柳[1]（2021）在《社交网络舆情用户主题图谱构建及舆情引导策略研究》文中提出习近平总书记在党的十九大上向全党全国人民发出了“坚定文化自信,推动社会主义文化繁荣兴盛”的伟大号召。“总体国家安全观”也被列为新时代背景下建设有中国特色社会主义的基本方略。对社交网络舆情的有效监管,是在新形势下应对国家安全环境新变化、新发展的必然要求。但是,网络的虚拟性,给社交网络舆情的监管带来了极大的难度。社交网络以及舆情用户的特性对社交网络舆情信息生态平衡有着较大的影响,如若不加以正确的引导与管理,会导致社交网络舆情生态系统恶化,甚至威胁社会和谐和国家稳定。如何有效地利用知识图谱构建社交网络舆情用户主题图谱系统模型,挖掘用户的潜在社群,确定用户的身份特征,并分析出用户的情感倾向,是舆情监管工作的有效切入点。本文结合文献分析法、实证研究法、知识图谱和机器学习等方法,构建社交网络舆情用户主题图谱并提出舆情引导策略。具体来说,本研究主要包括六个部分。首先,第三章提出社交网络舆情用户主题图谱系统模型,是全文的理论核心框架,指出社交网络舆情用户主题图谱系统模型的四个关键要素为信息环境、信息人、信息和信息技术,并通过用户社群图谱、用户身份图谱和用户情感图谱构成多维度的主题图谱;之后,第四章至第六章分别基于信息环境、信息人和信息,以“埃航空难”作为典型话题案例,运用实证分析方法,通过构建用户社群图谱、用户身份图谱以及用户情感图谱,研究社交网络舆情用户社群发现、用户身份识别以及情感演化规律,为第七章和第八章提供理论支撑;随后,第七章提出社交网络舆情生态性评价,并基于第四、五、六章的分析内容提出社交网络舆情生态性评价指标,为第八章提出的舆情引导策略提供理论支撑;最后,第八章提出社交网络舆情引导策略,为本文实践层面的落脚点。下面予以详细阐述。第三章社交网络舆情用户主题图谱系统构建。首先,提出社交网络舆情用户主题图谱的信息生态要素为环境要素、主体要素、客体要素以及技术要素;其次,结合知识图谱的相关理论,提出社交网络舆情用户主题图谱的实体识别、关系抽取、属性抽取以及模型构建;然后,指出社交网络舆情用户主题图谱分别由用户社群图谱、用户身份图谱和用户情感图谱三个维度构成,并从信息环境角度对社群发现、信息人角度对身份识别以及信息角度对情感演化进行深度分析,并在此基础上对整个社交网络舆情进行生态性评价;最后,提出社交网络舆情用户主题图谱系统模型。第四章社交网络舆情用户社群图谱构建及关系发现。本章基于信息环境理论,结合JS散度的LDA主题模型构建社交网络舆情用户社群图谱,并进行社群关系发现。采用实证研究法,对“埃航空难”话题下的舆情文本进行主题建模,利用困惑度指标确定舆情用户最优主题数,通过JS散度进行相似度度量,并将计算结果作为边权重,使用VOSviewer软件构建用户社群图谱,进一步划分多个网络社群,对网络社群的主题偏好以及用户特征进行分析讨论,并准确定位网络社群中的意见领袖。本章主要研究社交网络舆情中的信息环境,与第五、六章相呼应,为第七章社交网络舆情生态性评价指标（B1、B2）和第八章社交网络舆情社群的引导策略提供理论支撑。第五章社交网络舆情用户身份图谱构建及身份识别。本章基于信息人理论,结合LDA主题模型和朴素贝叶斯分类器模型构建社交网络舆情用户身份图谱,并对用户身份进行识别。首先,采用实证研究法,以突发事件“埃航空难”话题作为信息环境构建舆情空间,挖掘舆情用户转发评论文本的深层语义特征,剖析舆情用户的身份特征和传播特征;然后利用朴素贝叶斯分类器划分舆情用户类型,结合舆情生命周期,使用Neo4j绘制用户身份图谱,从而有效掌握社交网络舆情用户身份类型,并系统剖析社交网络舆情用户主题关注点及演化过程。本章主要研究社交网络舆情中的信息人,与第四、六章相呼应,为第七章社交网络舆情生态性评价指标（B3、B4、B5）和第八章社交网络舆情用户的引导策略提供理论支撑。第六章社交网络舆情用户情感图谱构建及情感演化。本章基于信息理论,基于字词向量的多尺度卷积神经网络构建社交网络舆情用户情感图谱,有效划分舆情用户情感倾向。首先,采用实证研究法,以突发事件“埃航空难”话题为例对舆情用户的转发评论信息进行情感分类,并对构建的舆情文本情感分类模型的准确性进行验证分析,并验证模型的优越性;然后,结合舆情文本的情感倾向与突发事件舆情发展周期,使用Gephi绘制用户情感图谱,动态展示社交网络舆情用户情感演化过程,全面分析网络舆情的发展与舆情用户的情感变化规律。本章主要研究社交网络舆情中的信息,与第四、五章相呼应,为第七章社交网络舆情生态性评价指标（B6）和第八章社交网络舆情情感的引导策略提供理论支撑。第七章社交网络舆情生态性评价。本章基于信息生态系统理论提出社交网络舆情生态性评价体系。采用综合模糊评价法,对突发事件“埃航空难”话题的爆发期阶段进行生态性评价,并对评价结果进行了分析,有效地解决了生态评价指标难以量化的问题,为生态性评价提供了可操作性的解决方案。本章与第四、五、六章相呼应,为第八章社交网络舆情情感的引导策略提供理论支撑。第八章社交网络舆情引导策略。本章基于第四、五、六章的研究结论,在第七章社交网络舆情生态性评价指标的基础上,提出社交网络舆情引导策略。首先从互联网及社交网络舆情生态性的角度指出目前存在的问题;然后分别从信息环境、信息人以及信息三个维度提出了引导策略。具体而言,本章从信息环境维度,提出加强衍生话题的监测、完善社交网络舆情话题推送和重视社群服务的社群引导策略;从信息人维度,提出完善用户类型化管理、发挥主流媒体的作用和完善意见领袖沟通机制的用户引导策略;从信息维度,提出社交网络内容精细化管理、重视舆情情感引导、完善健全舆情情感预警机制的情感引导策略。本文在理论层面,提出了社交网络舆情用户主题图谱的系统构建方式,为社交网络舆情主题图谱的构建提供理论基础及实践指导。从用户社群、用户身份、用户情感三个不同维度构建了社交网络舆情用户主题图谱系统模型,从而使得管控主体能够深入挖掘用户的潜在社群、有效地识别用户身份、准确地分析用户的情感倾向;同时,提出的生态性评价指标为社交网络舆情生态评价提供了可量化的评价标准,为社交网络舆情的科学管理提供了有效的理论支撑。在舆情的具体实践中,能够指导管控主体从社群、用户、情感三个层面入手,制定相应的管控策略,指引社交网络平台的系统开发方向,保障社交网络舆情生态朝着健康的方向发展。
胡翼青,张婧妍[2]（2021）在《作为常识的新闻：重回新闻研究的知识之维》文中认为新闻是什么?当然取决于怎么理解它的属概念。社会学芝加哥学派的罗伯特·帕克开启将新闻作为一种知识型来讨论的先河,并将新闻看作是"相识的知识"。在进步主义时代的背景下,帕克将自己的新闻知识观建立在公众的日常生活互动实践中,并期待从新闻这种"相识的知识"出发,最终实现"大共同体"的重建。然而帕克对于新闻作为"相识的知识"的理解过于笼统,而且没有看到不同的媒介平台对新闻知识型的建构。新闻即使作为一种常识,也同样有着各种不同的知识型。在数字媒介的时代,平台让"地方性知识"和"社群性知识""在手的新闻"和"上手的新闻"一同涌现在用户面前,为用户创造了前所未有的多元知识社区,也重构了用户对知识的理解和对共同体的认同。用户在越来越认同自身的趣缘社群的同时,离大共同体的认同越来越遥远。
桑勇[3]（2021）在《突发事件的语义模型及其建构》文中研究说明在人工智能背景下,新闻的阅读、写作及新闻的价值都突破了传统的模式和意义。突发事件及突发事件新闻是政府和社会关注的重要事件和重要新闻,研究突发事件新闻的模型信息提取和模型写作比以往任何时候都显得重要。适合这种目标的新闻突发事件模型是语义模型,文章以事件语义为基本单位,建构面向突发事件新闻生成和信息抽取的突发事件语义模型。不同的突发事件存在着统一的因果链条,事件模型各部分及链条节点、要素在词汇使用上具有规律性,这些规律性的表现所体现出的篇章架构为文本生成和信息抽取提供基础。事件模型思维以及突发事件语义模型的建构不仅对处理突发事件有重要意义,也是智能化建设的具体体现。
刘云聪[4]（2021）在《碎片化阅读时代的新闻后续报道 ——基于受众注意力角度的研究》文中研究说明
谢雪玲[5]（2021）在《反转新闻中网民情绪的影响因素研究 ——以鲍毓明事件为例》文中进行了进一步梳理
于靖雯[6]（2021）在《论新世纪以来中国新闻事件改编电影的类型化现象》文中指出
李海华[7]（2021）在《媒体与公众的网络情感议程设置效果研究 ——以公共卫生事件为例》文中研究说明
娄正伟[8]（2021）在《基于模块度的LDA模型话题演化分析方法研究与实现》文中认为随着现代互联网信息技术的不断进步与发展,网络新闻的发布数量也在不断上升,面对巨量网络新闻信息,人们难以快速且准确地定位到自己想要掌握的内容。LDA（Latent Dirichlet Allocation）主题模型能够有效降低文本维度,在话题演化分析方面的研究也在不断增多,但LDA模型中主题数难以实现有效选取,该问题在相关研究中关注度仍显不足。为此,本文围绕复杂网络理论、模块度和LDA模型进行话题发现,并在此基础上设计一种话题演化系统。本文的主要工作和创新点如下:（1）提出一种基于模块度的LDA模型（MCN-LDA模型）话题发现方法。本文以复杂网络作为理论基础,并在词熵和关键词之间的共现关系的基础上构建节点与边关系,从而形成信息话题词共现复杂网络,通过基于模块度的社群发现算法来对信息话题词共现复杂网络中的社群进行划分,以此来得到最优主题数,从而实现对LDA模型的有效改进。实验证明,本文所提出的模型具有更好的泛化能力和主题抽取性能。（2）提出一种基于话题演化周期的时间片划分方法。本文将话题演化周期理论加入到时间片划分中,话题演化的每一个阶段都拥有自己的特点,持续时间也有所不同,所以需根据具体情况来进行时间片划分,研究话题演化过程中的特征变化情况。因此,本文结合话题演化生命周期和各个时间段的新闻文本数量来进行时间片划分,以实现话题关系演化过程特征变化的有效发现。（3）提出一种基于JS散度和时间衰减的话题演化关系判别方法。本文在使用JS散度的基础上,将时间衰减引入到话题关系判别中来,通过调和相似度和阈值之间的大小关系来判别是否具有演化关系。实验证明,本文所示方法提高了话题演化关系识别的效果。综上所述,本文通过研究新闻话题演化中话题发现、时间片划分、话题演化分析等方面的内容,在公开数据集上对话题发现方法进行有效性证明,并在真实数据集上进行了话题演化分析,为新闻话题演化研究提供了研究思路和理论指导。
李强[9]（2021）在《中国青年报“暖心”特稿叙事特点研究》文中研究指明
黄锦南[10]（2021）在《基于复杂网络方法的《哈萨克斯坦真理报》中国形象研究》文中进行了进一步梳理哈萨克斯坦是我国的世代友好邻邦以及“一带一路”倡议的首倡之地和先行先试地区。随着“一带一路”倡议的不断推进,中国在哈萨克斯坦媒体中的国家形象研究越来越受到各学科研究者的重视。然而,已有成果大部分采用了基于还原论的研究方法,并不能完全契合国家形象作为一个复杂系统其本身固有的整体性和系统性特质,忽略了国家形象系统内部的动力学特征和涌现。因此,本论文将网络科学的复杂网络方法引入国家形象研究,以检验该方法在国家形象系统研究中的有效性。本文选取了哈萨克斯坦官方报纸《哈萨克斯坦真理报》为研究对象,收集了2014年7月至2018年6月的全部涉华报道和2019年12月至2021年2月与新冠疫情相关的部分涉华报道文本,构建了一大一小、一整体一局部的两种文本数据库,基于复杂网络方法,结合诸如国际关系学、经济学、社会学等学科的相关研究成果以及中哈两国政府的各项大政方针政策,对“一带一路”背景下中国在哈萨克斯坦官方媒体中的整体国家形象进行了全面挖掘和研究,并对新冠疫情背景下中国在哈官媒中的国家形象进行了具体的个案分析。研究结果显示,《哈真理报》涉华报道主要展现了以下4个角度的中国形象:（1）哈萨克斯坦的永久全面战略伙伴形象;（2）哈萨克斯坦的全方位支持者形象;（3）社会主义现代化强国形象;（4）灾害频发的国家形象。本论文的研究目的主要包括:（1）对国别区域研究的方法创新作出探索,尝试复杂网络方法在国家形象研究中的应用;（2）挖掘和呈现“一带一路”和新冠疫情背景下哈萨克斯坦官方报纸《哈真理报》中的中国形象;（3）为国家形象、国别区域、乃至其他领域研究者提供哈萨克斯坦官方报纸的客观中国形象数据和真实报道文本。
二、因为事件 所以新闻（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、因为事件 所以新闻（论文提纲范文）
（1）社交网络舆情用户主题图谱构建及舆情引导策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外社交网络舆情研究现状 |
| 1.2.2 国内外网络舆情知识图谱研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究对象 |
| 1.4 研究技术路线图 |
| 第2章 相关概念及理论基础 |
| 2.1 社交网络舆情的相关概念 |
| 2.1.1 社交网络舆情的内涵 |
| 2.1.2 社交网络舆情用户 |
| 2.1.3 社交网络舆情的特征 |
| 2.1.4 社交网络舆情演化过程 |
| 2.2 主题图谱的相关概念 |
| 2.2.1 知识图谱的内涵 |
| 2.2.2 主题图谱的内涵 |
| 2.2.3 主题模型的内涵 |
| 2.3 突发事件的相关概念 |
| 2.3.1 突发事件的内涵 |
| 2.3.2 突发事件的类型 |
| 2.3.3 突发事件的特征 |
| 2.4 信息生态的相关理论 |
| 2.4.1 信息生态的内涵 |
| 2.4.2 信息生态系统 |
| 2.4.3 信息生态因子 |
| 2.4.4 信息生态链 |
| 2.5 本章小结 |
| 第3章 社交网络舆情用户主题图谱系统模型 |
| 3.1 社交网络舆情用户主题图谱的信息生态要素 |
| 3.1.1 社交网络舆情用户主题图谱的环境要素 |
| 3.1.2 社交网络舆情用户主题图谱的主体要素 |
| 3.1.3 社交网络舆情用户主题图谱的客体要素 |
| 3.1.4 社交网络舆情用户主题图谱的技术要素 |
| 3.1.5 社交网络舆情用户主题图谱信息生态要素模型 |
| 3.2 社交网络舆情用户主题图谱构建 |
| 3.2.1 社交网络舆情用户主题图谱的实体识别 |
| 3.2.2 社交网络舆情用户主题图谱的属性抽取 |
| 3.2.3 社交网络舆情用户主题图谱的关系抽取 |
| 3.2.4 社交网络舆情用户主题图谱的模型 |
| 3.3 社交网络舆情用户主题图谱构成 |
| 3.3.1 社交网络舆情用户社群图谱 |
| 3.3.2 社交网络舆情用户身份图谱 |
| 3.3.3 社交网络舆情用户情感图谱 |
| 3.3.4 社交网络舆情生态性及评价 |
| 3.4 主题图谱系统模型构建 |
| 3.5 本章小结 |
| 第4章 社交网络舆情用户社群图谱构建及社群发现 |
| 4.1 社交网络舆情用户社群图谱问题的提出 |
| 4.2 社交网络舆情用户社群发现模型 |
| 4.2.1 LDA主题模型 |
| 4.2.2 相似度度量 |
| 4.3 社交网络舆情用户社群图谱模型构建 |
| 4.3.1 社交网络舆情用户社群图谱建模思想 |
| 4.3.2 基于LDA主题模型的社交网络舆情用户社群图谱模型 |
| 4.4 研究设计 |
| 4.4.1 数据来源 |
| 4.4.2 数据采集 |
| 4.4.3 数据处理 |
| 4.5 数据结果 |
| 4.5.1 确定最优主题数 |
| 4.5.2 计算JS散度 |
| 4.5.3 构建用户社群图谱 |
| 4.6 讨论分析 |
| 4.6.1 社交网络社群主题偏好分析 |
| 4.6.2 社交网络社群用户特征分析 |
| 4.6.3 社交网络社群意见领袖识别 |
| 4.7 本章小结 |
| 第5章 社交网络舆情用户身份图谱构建及身份识别 |
| 5.1 社交网络舆情用户身份图谱问题的提出 |
| 5.2 社交网络舆情用户身份识别模型 |
| 5.2.1 LDA语义特征挖掘 |
| 5.2.2 身份特征和传播特征构建 |
| 5.2.3 朴素贝叶斯分类器 |
| 5.3 社交网络舆情用户身份图谱模型构建 |
| 5.3.1 社交网络舆情用户身份图谱建模思想 |
| 5.3.2 基于LDA和朴素贝叶斯的用户身份图谱模型 |
| 5.4 研究设计 |
| 5.4.1 数据来源 |
| 5.4.2 数据采集 |
| 5.4.3 数据处理 |
| 5.4.4 舆情事件概况及周期划分 |
| 5.5 数据结果 |
| 5.5.1 用户关注主题划分 |
| 5.5.2 用户身份识别 |
| 5.5.3 构建用户身份图谱 |
| 5.6 讨论分析 |
| 5.6.1 社交网络舆情用户身份分类 |
| 5.6.2 社交网络舆情用户主题关注点比较 |
| 5.6.3 社交网络舆情用户关注点演化分析 |
| 5.7 本章小结 |
| 第6章 社交网络舆情用户情感图谱构建及情感演化 |
| 6.1 社交网络舆情用户情感图谱问题的提出 |
| 6.2 社交网络舆情用户情感分类模型 |
| 6.2.1 中文分词与词向量训练 |
| 6.2.2 卷积神经网络 |
| 6.3 社交网络舆情用户情感图谱构建模型 |
| 6.3.1 社交网络舆情用户情感图谱建模思想 |
| 6.3.2 基于字词向量的多尺度卷积神经网络的社交网络舆情用户情感图谱模型 |
| 6.4 研究设计 |
| 6.4.1 数据来源 |
| 6.4.2 数据处理 |
| 6.4.3 模型设置 |
| 6.4.4 文本向量训练与选择 |
| 6.4.5 整体架构与算法流程 |
| 6.5 基于卷积神经网络超参数确定及实验对比 |
| 6.5.1 卷积核尺寸 |
| 6.5.2 激活函数 |
| 6.5.3 Dropout随机失活率与迭代次数 |
| 6.5.4 实验结果对比 |
| 6.6 数据结果 |
| 6.6.1 情感分类结果 |
| 6.6.2 构建用户情感图谱 |
| 6.7 讨论分析 |
| 6.7.1 社交网络舆情用户内容特征分析 |
| 6.7.2 社交网络舆情用户情感分布分析 |
| 6.7.3 舆情用户的情感演化分析 |
| 6.8 本章小结 |
| 第7章 社交网络舆情生态性评价 |
| 7.1 社交网络舆情生态性评价问题的提出 |
| 7.2 评价指标体系构建 |
| 7.2.1 信息环境维度 |
| 7.2.2 信息人维度 |
| 7.2.3 信息维度 |
| 7.2.4 信息技术维度 |
| 7.3 评价方法及过程 |
| 7.4 实证分析 |
| 7.4.1 样本选择 |
| 7.4.2 评价过程 |
| 7.5 社交网络舆情生态性评价结果分析 |
| 7.5.1 一级指标得分情况分析 |
| 7.5.2 二级指标得分情况分析 |
| 7.6 本章小结 |
| 第8章 社交网络舆情引导策略 |
| 8.1 社交网络舆情引导问题的提出 |
| 8.1.1 社交网络舆情引导的重要性 |
| 8.1.2 社交网络舆情引导生态性挑战 |
| 8.1.3 社交网络舆情引导体系 |
| 8.2 社交网络舆情社群的引导策略 |
| 8.2.1 加强衍生话题的监测 |
| 8.2.2 完善社交网络舆情话题推送 |
| 8.2.3 重视网络社群服务的提升 |
| 8.3 社交网络舆情用户的引导策略 |
| 8.3.1 完善用户类型化管理 |
| 8.3.2 发挥主流媒体的作用 |
| 8.3.3 建立意见领袖的沟通机制 |
| 8.4 社交网络舆情情感的引导策略 |
| 8.4.1 社交网络内容精细化管理 |
| 8.4.2 重视舆情情感引导 |
| 8.4.3 完善舆情情感预警机制 |
| 8.5 本章小结 |
| 第9章 研究结论与展望 |
| 9.1 研究结论 |
| 9.2 研究创新点 |
| 9.3 研究局限及展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（2）作为常识的新闻：重回新闻研究的知识之维（论文提纲范文）
| 一、作为“相识的知识”的新闻 |
| 二、帕克“新闻知识观”的内在逻辑 |
| 三、帕克的新视角及其局限性 |
| 四、平台媒体时代的新闻知识型 |
（3）突发事件的语义模型及其建构（论文提纲范文）
| 引言 |
| 一、面向自然语言处理的突发事件研究 |
| （一）事件视角的自然语言处理 |
| （二）模型建构 |
| （三）新闻自动写作 |
| （四）本文的研究 |
| 二、突发事件语义模型建构 |
| （一）现实中的因果事件链 |
| （二）突发事件语义模型 |
| 1. 语义模型的主干环节 |
| 2. 主干环节的内部结构 |
| 三、模型环节间的事件关系及模型建构的作用 |
| （一）模型环节间的事件关系 |
| 1. 主干链条之间的关系 |
| 2. 内部结构链之间的关系 |
| （二）模型建构的作用 |
| 1. 突发事件新闻写作模板 |
| 2. 预估突发事件的威胁和危害 |
| 3. 指导事件处置主体进行有效处置 |
| 4. 预警突发事件的发生 |
| 结论 |
（8）基于模块度的LDA模型话题演化分析方法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文组织结构 |
| 1.4 本章小结 |
| 2 话题检测相关理论与研究方法 |
| 2.1 话题检测和追踪概念 |
| 2.2 概率主题模型 |
| 2.2.1 潜在语义分析 |
| 2.2.2 概率潜在语义分析 |
| 2.2.3 LDA模型 |
| 2.3 模块度及社区划分 |
| 2.4 话题演化分析 |
| 2.4.1 话题演化简介 |
| 2.4.2 话题演化模式 |
| 2.5 本章小结 |
| 3 基于MCN-LDA模型的话题发现方法 |
| 3.1 基于MCN-LDA模型的话题发现方法介绍 |
| 3.1.1 数据预处理 |
| 3.1.2 动态主题数求取 |
| 3.1.3 Gibbs采样算法 |
| 3.1.4 MCN-LDA主题建模 |
| 3.2 实验设计 |
| 3.2.1 实验环境 |
| 3.2.2 实验数据 |
| 3.2.3 评价指标 |
| 3.3 实验结果与分析 |
| 3.3.1 话题检测能力分析 |
| 3.3.2 困惑度分析 |
| 3.3.3 标准化互信息分析 |
| 3.4 本章小结 |
| 4 新闻话题演化分析 |
| 4.1 新闻话题演化分析框架 |
| 4.2 话题演化分析 |
| 4.2.1 时间片划分 |
| 4.2.2 新闻话题提取 |
| 4.2.3 话题内容演化 |
| 4.2.4 话题强度演化 |
| 4.3 实验设计 |
| 4.3.1 实验环境 |
| 4.3.2 实验数据 |
| 4.3.3 评价指标 |
| 4.4 实验结果与分析 |
| 4.4.1 话题演化关系判别可行性分析 |
| 4.4.2 话题内容演化分析 |
| 4.4.3 话题强度演化分析 |
| 4.5 本章小结 |
| 5 系统设计与实现 |
| 5.1 系统框架设计 |
| 5.2 系统核心模块实现 |
| 5.2.1 数据预处理模块 |
| 5.2.2 话题发现模块 |
| 5.2.3 话题演化分析模块 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（10）基于复杂网络方法的《哈萨克斯坦真理报》中国形象研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究综述 |
| 1.3 研究对象 |
| 1.4 研究方法和思路 |
| 1.5 研究创新点及论文结构 |
| 2 整体中国形象系统网络构建与测量 |
| 2.1 关键词同现网络构建及其网络特性分析 |
| 2.2 网络层级分析及核心关键词节点提取 |
| 2.3 核心关键词节点内部网络构建及其加权聚类分析 |
| 3 中哈非经济关系属性聚类之中国形象分析 |
| 3.1 中哈首脑外交属性关键词节点聚类的中国形象分析 |
| 3.1.1 不断升级的全面战略伙伴形象 |
| 3.1.2 值得信任、不吝支持的好朋友形象 |
| 3.1.3 潜力巨大、优势互补的合作伙伴形象 |
| 3.2 中哈边境和安全合作属性关键词节点聚类的中国形象分析 |
| 3.2.1 中哈边境繁荣共建者形象 |
| 3.2.2 上合组织框架下哈重要安全合作伙伴形象 |
| 3.2.3 哈打击边境走私活动合作者形象 |
| 3.3 中哈人文交流属性关键词节点聚类的中国形象分析 |
| 3.3.1 哈萨克斯坦文化传播的支持者形象 |
| 3.3.2 中哈人文交流的推动者形象 |
| 3.3.3 丝路复兴的倡导者和实践者形象 |
| 3.4 关键词节点“2017 阿斯塔纳世博会”的中国形象分析 |
| 3.4.1 阿斯塔纳世博会的积极参与者形象 |
| 3.4.2 阿斯塔纳世博会的全方位支持者形象 |
| 3.4.3 历史悠久、底蕴丰厚的可持续发展大国形象 |
| 4 经济属性聚类之中国形象分析 |
| 4.1 哈对华出口属性关键词节点聚类的中国形象分析 |
| 4.1.1 哈对华出口贸易的积极推动者形象 |
| 4.1.2 哈出口贸易的重要市场形象 |
| 4.2 中哈交通运输合作属性关键词节点聚类的中国形象分析 |
| 4.2.1 富有成效的交通运输合作伙伴形象 |
| 4.2.2 哈过境运输潜力释放的驱动者形象 |
| 4.3 中哈投资合作属性关键词节点聚类的中国形象分析 |
| 4.3.1 中哈投资合作的推动者形象 |
| 4.3.2 带来多重利好和雪中送炭的对哈投资者形象 |
| 4.4 中国国内经济属性关键词节点聚类的中国形象分析 |
| 4.4.1 飞速发展、迎难而上的经济强国形象 |
| 4.4.2 攻坚克难、施工高效的基建强国形象 |
| 5 游离核心关键词节点之中国形象分析 |
| 5.1 游离核心关键词节点“技术”的中国形象分析 |
| 5.1.1 自主创新、积极进取的科技强国形象 |
| 5.1.2 科技惠民的社会主义大国形象 |
| 5.2 灾难属性游离核心关键词节点的中国形象分析 |
| 5.2.1 灾害频发的国家形象 |
| 5.2.2 以人民为中心的社会主义大国形象 |
| 6 中国形象之新冠疫情涉华报道个案分析 |
| 6.1 中哈关系属性关键词节点聚类的中国形象分析 |
| 6.1.1 哈永久全面战略伙伴形象 |
| 6.1.2 哈重要经济合作伙伴形象 |
| 6.2 中国国内抗疫属性关键词节点聚类的中国形象分析 |
| 6.2.1 以人民为中心的社会主义大国形象 |
| 6.2.2 医疗系统强大、践行人类命运共同体倡议的大国形象 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
四、因为事件 所以新闻（论文参考文献）
- [1]社交网络舆情用户主题图谱构建及舆情引导策略研究[D]. 张柳. 吉林大学, 2021(01)
- [2]作为常识的新闻：重回新闻研究的知识之维[J]. 胡翼青,张婧妍. 国际新闻界, 2021(08)
- [3]突发事件的语义模型及其建构[J]. 桑勇. 辽宁大学学报(哲学社会科学版), 2021(04)
- [4]碎片化阅读时代的新闻后续报道 ——基于受众注意力角度的研究[D]. 刘云聪. 渤海大学, 2021
- [5]反转新闻中网民情绪的影响因素研究 ——以鲍毓明事件为例[D]. 谢雪玲. 安徽大学, 2021
- [6]论新世纪以来中国新闻事件改编电影的类型化现象[D]. 于靖雯. 南京艺术学院, 2021
- [7]媒体与公众的网络情感议程设置效果研究 ——以公共卫生事件为例[D]. 李海华. 江西师范大学, 2021
- [8]基于模块度的LDA模型话题演化分析方法研究与实现[D]. 娄正伟. 西安理工大学, 2021(01)
- [9]中国青年报“暖心”特稿叙事特点研究[D]. 李强. 广西大学, 2021
- [10]基于复杂网络方法的《哈萨克斯坦真理报》中国形象研究[D]. 黄锦南. 浙江大学, 2021(08)