跨模态融合视角下高校舆情“微爆点”识别机制研究
杜子俊

衢州学院，浙江省衢州市，324000；

摘要：在当前地方高校对舆情管理上“事后干预多、事前防范少”的情况下，本文提出了一种面向跨模态数据的高校舆情“微爆点”智能识别方法。首先提出了舆情“微爆点”的概念，介绍了其在不同模态下的表现形式，构建了一个可同时处理图文信息的特征提取架构。借助DeepSeek大语言模型，通过优化提示词并结合上下文学习的机制，设计了一套对于地方高校的实际使用场景的识别模型。本文以浙江某高校为研究样本，通过收集该校内部校园论坛与师生社交媒体等平台的数据，对设计的模型进行训练同时研究其性能。实验结果表明，本系统识别校园网络舆情"微爆点"的准确度达91.2%，F1为0.926。实验数据表明本系统性能优于多数现有算法，证明了多模态融合机制可有效提升模型识别精度，并且较传统单文本识别方法提升7.8%。此外，本文还对这类舆情事件的情绪发酵过程进行了深入分析，为高校开展早期的舆情干预工作提供了切实可行的技术依据。

关键词：跨模态融合；高校舆情微爆点；智能识别；DeepSeek；数据爬取

参考文献

[1]刘先博,向澳,杜彦辉.融合图文多粒度情感特征的多模态谣言检测方法[J].计算机科学与探索,2025,19(04):1021-1035.

[2]吴晓娟.基于微博文本的网络舆情主题演化分析[D].南京大学,2018.

[3]梁睿文.社交网络多模态视觉信息隐私保护系统的设计与实现[D].北京邮电大学,2025.DOI:10.26969/d.cnki.gbydu.2025.001225.

[4]李慧龙,文宏.筑牢突发公共卫生事件舆情防线[N].中国社会科学报,2020-08-19(009).DOI:10.28131/n.cnki.ncshk.2020.003143.

[5]何婕君,李阳.基于时空视角的舆情反转事件情感演化特征研究[J].信息资源管理学报,2022,12(02):88-100.DOI:10.13365/j.jirm.2022.02.088. 

[6]谢辉荣,胡潮滨,梁国华,等.大学生心理压力智能评估：基于融合文本与影像的多模态模型的设计及验证[J].南方医科大学学报,2025,45(11):2504-2510.

[7]Qiang Lu,et al.Multimodal Dual Perception Fusion Framework for Multimodal Affective Analysis[J]. Information Fusion, 2025, 115: 102747.

[8]刘祖兵.大模型价值对齐的批判、修正与法治因应——基于DeepSeek行为风险的分析[J].北京社会科学,2025,(10):106-116.DOI:10.13262/j.bjsshkxy.bjshkx.251010.

[9]Liu S.,Li.T.A Review of Multimodal Sentiment Analysis in Online Public Opinion Monitoring. Informatics 2026, 13, 10. https://doi.org/10.3390/informatics13010010 

[10]中国互联网信息中心.第56次《中国互联网络发展状况统计报告》[R/OL].[2025-08-06]https://source.ckcloud.busionline.com/2025-08-06_68930f425efa0.pdf