理解话语动态的新科学方式之一正在分析社交网络的公共数据。该研究的目的是Covid-19现象(Laclau和Mouffe的话语理论启发)的结构主义话语分析(PDA)通过为波斯社会使用智能数据挖掘。检验的大数据是波斯推特网络的160,000个用户的五百万推文,以比较两个散文。除了单独分析推文文本之外,还创建了一种基于转推关系的社交网络图数据库。我们使用Voterank算法介绍和排名帖子成为口中的人的人,条件是通过网络最大化的总信息传播范围。这些用户也根据其单词使用模式进行聚类(使用高斯混合模型)。将有影响的扩展器的构建话语与最活跃的用户进行比较。该分析基于八集中的Covid相关员额完成。此外,通过依靠推特词语的统计含量分析和极性,对整个提到的群体进行话语分析,特别是对于顶部个人来说。本研究中最重要的结果是,Twitter主题的话语建设是基于政府的,而不是基于社区的。分析的伊朗社会并不认为自己对Covid-19邪恶问题负责,不相信参与,并期望政府解决所有问题。最活跃和最有影响力的用户的相似性是政治,国家和批判性话语建设是主要的。除了研究方法的优点外,还必须注意研究的局限性。给出了伊朗社会未来遇到相似危机的建议。
translated by 谷歌翻译