《表4 超网络量化结果：基于超网络理论的微博舆情关键节点挖掘》
提示：宽带有限、当前游客访问压缩模式
超网络模型的社交子网包括473个节点，内容子网包括520个节点，主题子网包括4个节点，观点子网包括36个节点，形成526条超边。微博舆情超网络量化结果如表4所示。
| 图表编号 | XD00121822100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.24 |
| 作者 | 张连峰、周红磊、王丹、张海涛 |
| 绘制单位 | 吉林大学管理学院、吉林大学管理学院、吉林大学管理学院、吉林大学管理学院、吉林大学信息资源研究中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 节点构成比例：新媒体环境下基于动机理论的高校负面网络舆情传播研究》2020.11.10
- 《表4 转矩数据表：基于文本挖掘的大学生网络舆情检测和预警模型》2019.12.20
- 《表3 微博各主题关键词：基于文本挖掘的网络舆情主题发现与情感分析》2021.02.28
- 《表4 预测误差结果对比：基于分时长短期记忆神经网络的光伏发电超短期功率预测》2020.12.10
- 《表4 网络超参值：一种基于CNN与LSTM结合的微表情识别算法》2020.01.28
- 《表3 实验二输出变量：风险感知与网络舆情的微博传播模型研究》2020.01.01
- 《表2 实验二量表设计：风险感知与网络舆情的微博传播模型研究》2020.01.01
- 《表6 部分超边连接度：基于超网络理论的微博舆情关键节点挖掘》2019.12.24
- 《表3 各产品市场范围：城乡公路体系网络化与共同富裕：基于超边际分工理论分析》2019.12.22
- 《表2 转发数据字段：基于文本挖掘技术的网络舆情特征研究》2019.10.01
- 《表1 评论数据字段：基于文本挖掘技术的网络舆情特征研究》2019.10.01
- 《表4 混淆矩阵：基于文本挖掘技术的网络舆情特征研究》2019.10.01
- 《表3 爬取结果：基于文本挖掘技术的网络舆情特征研究》2019.10.01
- 《表8 模型推理结果：基于直觉模糊推理的微博舆情危机预警研究》2019.07.15
- 《表7 超网络图4中节点的加权度中心性（前9位）》2019.06.25
- 《表6 超网络图4中节点的超强度（前10位）》2019.06.25
- 《表5 超网络图4中节点的超度（前10位）》2019.06.25
- 《表4 超网络图4中节点的度（前10位）》2019.06.25
- 《表3 基准表情符号：基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略》2019.03.01
- 《表1 开放式编码过程：基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略》2019.03.01