基于新浪微博的2018年云南通海5.0级地震舆情时空特征分析

被引:15
作者
曹彦波
机构
[1] 云南省地震局
关键词
通海地震; 新浪微博; 时空分布特征; 情感分析;
D O I
暂无
中图分类号
P315.9 [工程地震];
学科分类号
摘要
基于新浪微博数据,通过数据清洗、分类和挖掘,分析2018年8月13,14日云南省通海县2次5. 0级地震舆情信息时空演变规律。研究结果表明:本次地震后微博活跃量总数激增,灾情类别主要集中于人的反应、器物反应方面,约占总数的79%;微博日活跃量与时间的关联度明显,震后出现多个波动;微博的数量和空间分布与距离震中远近密切相关,遵循距离衰减效应;地震灾区民众以负面情绪为主,由于地震期间谣传传播,恐慌、悲伤、疑惑情绪进一步加重。
引用
收藏
页码:525 / 533
页数:9
相关论文
共 19 条
[1]   基于微博数据挖掘的九寨沟7.0级地震灾情时空特征分析 [J].
曹彦波 ;
毛振江 .
中国地震, 2017, 33 (04) :613-625
[2]   基于模糊神经网络的微博舆情趋势预测方法 [J].
胡悦 ;
王亚民 .
情报科学 , 2017, (12) :28-33
[3]   基于微博舆情数据的震后有感范围提取研究 [J].
曹彦波 ;
吴艳梅 ;
许瑞杰 ;
张方浩 .
地震研究, 2017, 40 (02) :303-310
[4]   基于BTM的微博舆情热点发现 [J].
王亚民 ;
胡悦 .
情报杂志, 2016, 35 (11) :119-124+140
[5]   基于个人微博特征的事件提取研究 [J].
高永兵 ;
陈超 ;
熊振华 ;
王宇 ;
马占飞 .
计算机应用与软件, 2016, 33 (07) :47-51
[6]   格网化的位置微博数据抓取与人群信息提取 [J].
雷程程 ;
张岸 ;
齐清文 ;
苏惠敏 .
测绘科学, 2017, 42 (02) :125-129
[7]   地震灾情位置微博抓取与展示 [J].
褚俊秀 ;
徐敬海 .
地理空间信息 , 2016, (05) :38-40+6
[8]   基于位置微博的地震灾情提取 [J].
徐敬海 ;
褚俊秀 ;
聂高众 ;
安基文 .
自然灾害学报, 2015, 24 (05) :12-18
[9]   时空分异视角下非常规突发事件网络舆情演化研究——以“上海12.31踩踏事件”为例 [J].
刘国巍 ;
程国辉 ;
姜金贵 .
情报杂志, 2015, 34 (06) :126-130+150
[10]   基于SNA的突发事件微博舆情传播网络结构分析——以“4.20四川雅安地震”为例 [J].
赵金楼 ;
成俊会 .
管理评论, 2015, 27 (01) :148-157