新冠疫情期间基于LDA模型的大学生意见识别研究.pptxVIP

content目录01研究背景与现实动因02理论基础与技术路径03数据来源与样本特征04主题识别与语义解析05动态演化与趋势洞察06多维交叉与深层发现07研究启示与未来展望

研究背景与现实动因01

全球公共卫生危机下社交媒体成为公众意见表达的核心场域信息传播变革疫情加速了公众向社交媒体迁移，微博、问答社区成为意见表达主阵地。传统媒体单向传播模式被打破，用户生成内容呈现爆发式增长。青年话语凸显大学生群体活跃于网络空间，频繁参与疫情相关话题讨论。其观点表达兼具理性思考与情感宣泄，具有典型代表性和社会影响力。实时动态优势相比传统问卷，社交媒体数据能即时反映情绪波动与关注转移。为捕捉舆论演变提供了高时效、大样本的分析基础。非结构化挑战海量文本包含口语化、碎片化表达，隐含多重语义。需借助自然语言处理技术提取有效信息，实现从数据到洞察的转化。研究范式转型LDA模型可从无序文本中识别潜在主题结构，揭示隐藏的意见聚类。推动社会科学研究向数据驱动型方法迈进，提升分析深度与广度。

大学生作为高知青年群体在疫情中的思想动态具有典型代表性高知群体特征大学生具备较高的信息素养与网络参与度，能够主动表达观点并影响舆论走向。其意见反映青年主流思想，具有社会代表性。思想动态敏感疫情冲击下，大学生在学业、就业、心理等方面面临多重压力，思想波动明显，情绪表达更为活跃和复杂。网络表达集中社交媒体成为大学生发声的主要平台