The clues in the news media coverage: detecting Chinese collective action trend from a text analytics research framework
The clues in the news media coverage: detecting Chinese collective action trend from a text analytics research framework
复制标题
新闻媒体报道线索：从文本分析研究框架探寻中国集体行动趋势
DOI：
10.1007/s11135-021-01137-3
复制
发表时间：
2021-04
影响因子：
--
通讯作者：
Li Qianqian
中科院分区：
文献类型：
--
作者：
Li Ying;Li Linlin;Li Qianqian
随着我国全面深化改革带来的社会关系和利益格局调整，新老矛盾交织，各种风险增多，集体行动时有发生，并观察到一些新动向。但是，由于我国没有权威的集体行动数据库，很难观察集体行动的发展趋势。已有大量研究表明，新闻报道是获取集体行动信息的有效途径。因此，我们研究最近的新闻报道的集体行动方面的转变。我们收集了2014年至2018年的5354篇新闻报道。然后，我们构建了一个集体行动领域特定的词典，并提出了一种方法来自动检测时间，空间和主题趋势的集体行动。拟议的框架是基于文本挖掘分析，从新闻媒体收集数据，并提取有价值的数据感知集体行动的趋势。结果表明，该方法是一种有效的工具，通过机器学习来识别集体行动的趋势。
With the adjustment of social relations and interest patterns brought about by the comprehensive deepening reform in China, new and old contradictions are intertwined, various risks are increased, collective actions occasionally occur, and some new trends are observed. However, due to there is no authoritative database of collective action in China, it is difficult to observe the trend of collective actions. There has been significant research show that news coverage is an effective way to obtain collective action information. Thus, we examine the recent news coverage shift in terms of collective action. We collected 5354 news coverages from 2014 to 2018. Then, we constructed a collective action domain-specific word dictionary and presented a method to automatically detect temporal, spatial, and topical trends of collective action. The proposed framework is based on text mining analysis that collects data from news outlets and extracts valuable data for perceiving the collective action trends. The results show that the proposed method is an effective tool to identify the trends in collective action via machine learning.
登录
查看更多内容
DOI：
10.1093/llc/fqy077
发表时间：
2018-06
期刊：
ArXiv
影响因子：
--
作者：
Thomas Lansdall-Welfare;N. Cristianini
通讯作者：
Thomas Lansdall-Welfare;N. Cristianini
影响因子：
2.7
作者：
Ruokolainen, Teemu;Kauppinen, Pekka;Linden, Krister
通讯作者：
Linden, Krister
影响因子：
4.8
作者：
Brayden G. King;K. Bentele;S. Soule
通讯作者：
Brayden G. King;K. Bentele;S. Soule
影响因子：
2.5
作者：
S. Vicari
通讯作者：
S. Vicari
影响因子：
3
作者：
R. Franzosi;G. De Fazio;S. Vicari
通讯作者：
R. Franzosi;G. De Fazio;S. Vicari