笔者近几年致力于机器学习技术在不同领域的应用研究，如基于企业流程行为大数据的半监督聚类关键技术研究、基于多源大数据的网络舆情相关研究等。网络舆情研究呈现多学科交叉、多视角融合的趋势，各个主题的研究贯穿于整个舆情事件生命周期，支撑舆情理论与实证研究体系的发展。本书基于作者近年来的研究成果，重点研究新媒体背景下，机器学习技术在网络舆情预测中的应用，并根据研究结果提出相关舆情应对策略。除此之外，本书还基于机器学习技术对舆情事件中网民情绪和行为对舆情演化及各类舆情现象产生的深层影响进行剖析，辅助政府对潜在不安因素进行及时管控和干预，实现舆情的正确引导。同时，借助情感分析、主题词提取等机器学习技术，研究多平台、多视角下政务新媒体在舆情传播过程中的影响，为政府充分发挥政务新媒体的传播力优势引导舆情走向提供新思路、新方法。

第一部分 概述
第1章 绪论
1.1 网络舆情相关研究
1.2 本书研究内容及章节安排
1.3 研究方法
1.4 本书贡献
第2章 相关理论与技术概述
2.1 相关理论和概念
2.2 相关技术
第二部分 基于舆情现象识别视角的网络舆情预测
第3章 面向非均衡事件子集的舆情反转预测
3.1 舆情反转概述
3.2 基于改进SMOTE算法与集成学习的舆情反转预测
3.3 基于舆情事件演化分析及改进KE-SMOTE算法的舆情反转预测
3.4 舆情反转应对策略
3.5 本章小结
第4章 网络暴力类舆情事件演化及预测
4.1 网络暴力概述
4.2 网络暴力国内外研究现状
4.3 网络暴力类舆情事件演化分析
4.4 网络暴力事件预测研究
4.5 网络暴力类舆情事件治理策略分析
4.6 本章小结
第三部分 政府媒体在网络舆情演化中的传播力与影响力研究
第5章 政务新媒体在突发舆情事件中的情感传播与用户体验研究
5.1 政务媒体与情感传播研究综述
5.2 研究框架及研究设计
5.3 实验分析
5.4 政务媒体跨平台的传播效果对比
5.5 政务媒体传播力提升与运营优化策略
5.6 本章小结
第6章 政务新媒体在舆情传播中存在的问题研究
——以泛娱乐化现象为例
6.1 概念界定及文献综述
6.2 政务抖音泛娱乐化的具体表现
6.3 政务抖音泛娱乐化原因分析
6.4 基于决策树算法的政务抖音泛娱乐化识别模型
6.5 政务工作与娱乐的界限思考
6.6 本章小结
总结与展望
致谢
参考文献