食品安全事件中微博转发影响因素研究--以“海底捞事件”为例
| 内容摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.2.1 理论意义 | 第11页 |
| 1.2.2 现实意义 | 第11页 |
| 1.3 食品安全概念界定 | 第11-12页 |
| 1.4 国内外研究现状 | 第12-17页 |
| 1.4.1 食品安全网络舆情 | 第12-15页 |
| 1.4.2 微博转发影响因素研究 | 第15-16页 |
| 1.4.3 文献综述 | 第16-17页 |
| 1.5 研究内容和框架 | 第17-18页 |
| 1.6 创新点 | 第18-19页 |
| 第2章 微博及分析方法介绍 | 第19-25页 |
| 2.1 微博介绍 | 第19-20页 |
| 2.1.1 微博定义及微博元素 | 第19页 |
| 2.1.2 微博传播的主要方式 | 第19-20页 |
| 2.2 分析方法介绍 | 第20-25页 |
| 2.2.1 列联分析 | 第20页 |
| 2.2.2 情感分析 | 第20-21页 |
| 2.2.3 随机森林模型 | 第21-25页 |
| 第3章 “海底捞事件”舆情分析 | 第25-30页 |
| 3.1 事件概述 | 第25-26页 |
| 3.2 舆情分析 | 第26-29页 |
| 3.2.1 舆情走势 | 第26-27页 |
| 3.2.2 网民观点 | 第27-28页 |
| 3.2.3 事件影响 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 微博转发影响因素分析 | 第30-51页 |
| 4.1 微博数据说明 | 第30-36页 |
| 4.1.1 数据采集 | 第30-31页 |
| 4.1.2 数据清洗 | 第31-32页 |
| 4.1.3 数据分布 | 第32-36页 |
| 4.2 情感分析 | 第36-41页 |
| 4.2.1 构建词典 | 第36-38页 |
| 4.2.2 文本数据预处理 | 第38-39页 |
| 4.2.3 情感值计算 | 第39-40页 |
| 4.2.4 情感变化 | 第40-41页 |
| 4.3 微博转发影响因素的随机森林模型 | 第41-47页 |
| 4.3.1 数据预处理 | 第41-43页 |
| 4.3.2 模型建立 | 第43-44页 |
| 4.3.3 模型评估 | 第44-45页 |
| 4.3.4 特征重要性 | 第45-47页 |
| 4.4 重要特征的列联分析 | 第47-50页 |
| 4.4.1 重要特征的列联分析——博主信息 | 第47-49页 |
| 4.4.2 重要特征的列联分析——博文信息 | 第49页 |
| 4.4.3 最终特征 | 第49-50页 |
| 4.5 本章小节 | 第50-51页 |
| 第5章 主要结论与建议 | 第51-55页 |
| 5.1 主要结论 | 第51-52页 |
| 5.1.1 “海底捞事件”总结 | 第51页 |
| 5.1.2 微博转发影响因素 | 第51-52页 |
| 5.2 建议 | 第52-55页 |
| 参考文献 | 第55-58页 |
| 后记 | 第58页 |
