基于大语言模型生成内容的负面舆情态势恶化牵引作用研究

作     者：祁凯 周燕生 

作者机构：哈尔滨师范大学经济与管理学院 

出 版 物：《情报杂志》 (Journal of Intelligence)

年 卷 期：2025年

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 050301[文学-新闻学] 05[文学] 120502[管理学-情报学] 0503[文学-新闻传播学] 

基　　金：黑龙江省哲学社会科学基金一般项目:“数智时代突发公共危机事件网络舆情风险识别及精准治理研究”(编号:24GLB011)研究成果 

主　　题：大语言模型 负面网络舆情 公共突发事件 情感分析 态势恶化 反制机制 LDA 

摘      要：[研究目的]探索大语言模型生成内容在负面网络舆情传播中的牵引作用及其对网络舆情安全的潜在风险,为网络舆情管理提供科学依据与应对策略。[研究方法]为有效监测和管理负面网络舆情,本研究构建了基于ALBERT-XGBoost的情感分析模型,并结合LDA主题建模和Mantel Test统计方法,形成负面舆情态势恶化的牵引效应量化分析框架,以定量方式探究LLM生成内容对负面舆情的影响。[研究结果/结论]根据突发事件实证分析表明:大语言模型生成内容在负面舆情的萌芽、爆发、复燃与衰退各阶段均显著助推了谣言扩散和情绪激化,尤其在放大公众的不信任情绪和推动情绪波动方面影响显著。并由此提出针对性的应对机制,为缓解大语言模型对负面舆情的牵引作用提供理论支持。