为了研究网络群体中不同情绪对群体极化的影响,本文从网络上已发生的群体极化现象出发,使用python抓取2016年8月17日到2016年10月8日期间的41496825条微博评论作为数据样本,并通过Stanford Word Segmenter进行文本分词,然后使用LIWC进...为了研究网络群体中不同情绪对群体极化的影响,本文从网络上已发生的群体极化现象出发,使用python抓取2016年8月17日到2016年10月8日期间的41496825条微博评论作为数据样本,并通过Stanford Word Segmenter进行文本分词,然后使用LIWC进行文本分析,进而结合群体极化的测量方法,建立VAR模型。研究发现:负向情绪比正向情绪更容易引起网络群体极化;相比于悲伤情绪和焦虑情绪,愤怒情绪更容易引起网络群体极化。最后,为企业处理公关危机以及政府应对舆论舆情等提供决策建议。展开更多
文摘为了研究网络群体中不同情绪对群体极化的影响,本文从网络上已发生的群体极化现象出发,使用python抓取2016年8月17日到2016年10月8日期间的41496825条微博评论作为数据样本,并通过Stanford Word Segmenter进行文本分词,然后使用LIWC进行文本分析,进而结合群体极化的测量方法,建立VAR模型。研究发现:负向情绪比正向情绪更容易引起网络群体极化;相比于悲伤情绪和焦虑情绪,愤怒情绪更容易引起网络群体极化。最后,为企业处理公关危机以及政府应对舆论舆情等提供决策建议。
