2026年网络舆情监测考前押题及答案

2026年网络舆情监测考前押题及答案一、单项选择题（每题2分，共20分）1.2025年12月，某短视频平台出现“某高校学生集体腹泻”话题，3小时内阅读量破2亿。监测人员第一时间应优先核实的信息维度是A.话题发起账号的粉丝总量B.首发视频是否出现“食堂”“诺如病毒”等敏感词C.平台是否已将话题推至热榜首位D.该高校官方微博24小时内是否更新答案：B解析：突发公共卫生类舆情，核心是先验证信源可信度与关键敏感词，而非热度本身。2.在BERTopic模型中，若将“embedding_model”参数由“all-MiniLM-L6-v2”替换为“paraphrase-multilingual-mpnet-base-v2”，最显著的变化是A.主题一致性（coherence）下降B.支持跨语言主题聚类C.训练耗时减少约30%D.必须同步降低“min_topic_size”答案：B解析：多语言句向量模型可直接对中英混合语料进行主题抽取，无需额外翻译。3.某市政府采用“舆情风险指数（ORI）”每日发布，公式为O其中为负面声量环比，为情绪极值，为媒体elite转发占比。若某日=0.8，=−0.6，=0.4A.45B.55C.65D.75答案：C解析：代入得线性组合0.3×0.8+4.关于“深度伪造”音视频的舆情应对，下列做法最符合《互联网信息服务深度合成管理规定》要求的是A.发现后先下架再保存哈希，48小时内向市级网信备案B.直接封禁上传者账号并公开实名C.仅做限流处理，等待当事人投诉D.用AI对抗模型生成“反向伪造”以正视听答案：A解析：规定要求“先处置、后备案”，并保存证据哈希，避免二次传播。5.在基于Transformer的谣言检测模型中，引入“对抗样本训练”主要解决A.长尾分布B.跨域泛化C.梯度消失D.数据不均衡答案：B解析：对抗扰动模拟不同域的措辞偏移，可提升模型在未知场域的鲁棒性。6.某品牌被质疑“双标”后，官方声明中采用“时间线+第三方检测报告”框架，这种回应策略属于A.道德重塑B.技术正当化C.差异化补偿D.责任转移答案：B解析：用技术数据重构话语权，是典型的技术正当化路径。7.下列指标中，最能反映“沉默螺旋”效应强度的是A.点赞/反对比B.评论的文本长度C.二次转发率D.负面情感占比答案：A解析：当反对声音点赞极少，表明持不同意见者趋于沉默，点赞/反对比陡升。8.对微博数据进行“传播级联”可视化时，若节点大小按“爆发速度”编码，则最适合的度量是A.节点出度B.节点PageRankC.节点到达30%最大转发量所需时间D.节点介数中心性答案：C解析：速度指标直接刻画“爆发”特征，而非静态中心度。9.在舆情报告撰写中，使用“灰犀牛”隐喻主要提示客户A.风险已现，但公众仍漠视B.黑天鹅事件即将发生C.政府应对迟缓D.媒体恶意炒作答案：A解析：灰犀牛指显而易见却被忽视的高概率风险。10.某地市网信办要求平台在“重点舆情”2小时内反馈处置结果，此处“重点”的判定优先依据A.转发层级>5且地域标签本地B.话题含“领导姓名”C.阅读量过百万D.中央网信办点对点通报答案：D解析：通报即属政治类指令，优先级最高。二、多项选择题（每题3分，共15分）11.下列属于“情绪计算”在舆情监测中的典型应用有A.用EmoLex词典实时更新情绪热力图B.通过面部识别测算街头采访路人愤怒值C.采用LDA抽取“愤怒”主题关键词D.利用生理手环数据校准微博文本情绪E.基于VADER对抖音弹幕进行情绪回归答案：A、B、E解析：LDA属于主题模型，非情绪计算；手环数据属生理信号，但国内合规环境极少商用。12.关于“舆情反转”的量化判定，可纳入的指标有A.情感极性由负转正跨越0轴次数B.主流媒体报道标题情感得分差值>0.5C.关键节点账号删除原帖比例>30%D.负向热词在24小时内TF-IDF权重下降50%E.政府介入公告被置顶答案：A、B、D解析：删帖与置顶属操作层面，非反转本质。13.在构建“多模态谣言检测”数据集时，合规做法包括A.对涉及未成年人面部打码B.将图片Exif信息完全抹除C.用机器翻译自动生成英文标注D.对身份证号水印区域裁切E.公开数据集前经伦理委员会审查答案：A、B、D、E解析：机器翻译标注无法保证质量，且可能引入新谣言。14.以下哪些行为可能导致“算法放大效应”A.平台将争议性标题加权进入推荐池B.用户多次点“不感兴趣”仍被推送相似内容C.采用“时间衰减＋热度”双因子排序D.对权威媒体标签降权E.引入“随机探索”流量答案：A、B、D解析：C与E是抑制放大的常见手段。15.关于“网络舆情沙盘”推演技术，正确的有A.采用Agent-BasedModel模拟个体转发B.需输入初始情感分布、网络拓扑、干预策略C.可用蒙特卡洛方法估计政策干预效果置信区间D.推演结果可直接替代真实世界决策E.必须接入真实平台API才能运行答案：A、B、C解析：沙盘为辅助决策，不可直接替代真实决策；离线仿真无需API。三、判断题（每题1分，共10分）16.在SnowNLP中，调用sentiments属性返回值为0表示绝对中性。答案：错解析：SnowNLP返回的是[0,1]概率，0仅表示模型认为“积极概率为0”，并非绝对中性。17.“信息疫情（Infodemic）”一词最早由WHO在2020年正式定义。答案：对18.使用TF-IDF进行特征选择时，IDF值越高，说明该词对文本区分度一定越大。答案：错解析：若词在同类文本中高频出现，即使IDF高，也可能对分类无增益。19.在舆情态势图中，若采用“七日滚动平均”，则对突发峰值会有平滑效应。答案：对20.根据《网络暴力信息治理规定（征求意见稿）》，平台对“不友善”评论可先隐藏再审核。答案：对21.采用BERT做序列标注时，加入CRF层一定能提升F1。答案：错解析：若数据量小或标签分布简单，CRF可能过拟合。22.“回声室效应”强度可用模块度（Modularity）指标量化。答案：对23.在Python中，pandas的apply方法比矢量化运算速度更快。答案：错24.对同一话题，抖音与微博的热词提取结果必然高度重合。答案：错解析：平台用户画像、语境差异导致热词差异显著。25.舆情日报中引用“机器人账号”占比，可直接用粉丝<100且发帖>500作为判定标准。答案：错解析：简单阈值误判率高，需结合行为特征与账号注册信息。四、填空题（每空2分，共20分）26.在情感分析中，若采用RoBERTa-wwm-ext模型，其Mask机制为________Mask，相较BERT可更好处理中文________词。答案：全词；实体27.当使用LDA进行主题聚类时，若perplexity值随主题数K增加而持续下降，但主题一致性（________）先升后降，则最佳K应选________处。答案：coherence；峰值28.传播网络中，节点u的k-shell值越高，说明其位于________，在舆情爆发期往往扮演________角色。答案：核心层；放大器29.若需对1亿条微博做去重，可先使用________算法生成64位指纹，再采用________排序后线性扫描，时间复杂度可降至O(n)。答案：SimHash；字典序30.根据《数据安全法》，重要数据出境需通过________评估，若处理个人信息超过________人，还需进行个人信息保护认证。答案：安全；100万五、简答题（每题10分，共20分）31.简述“舆情韧性”概念，并给出两项可量化指标及其计算公式。答案：舆情韧性指社会系统在面对负面舆情冲击时，通过吸收、适应与快速恢复，维持公信力与秩序的能力。指标1：恢复时间指数R其中为情感值回到峰值10%的时间，为回到50%的时间，RTI越小韧性越强。指标2：公信力残差G为事件前一周政府微博情感均值，为事件后一周均值，GR越接近1表明公信力损失越小。32.说明采用“对比学习”提升谣言检测模型泛化能力的原理，并给出损失函数。答案：对比学习通过构造“锚点-正例-负例”三元组，使模型在表示空间将同标签样本拉近、异标签推远，从而缓解跨域漂移。损失采用归一化温度缩放交叉熵（NT-Xent）：ℒ其中为锚点表示，为正例，τ为温度系数，sim为余弦相似度。通过最小化损失，模型学到域不变特征，提升在新领域谣言检测的F1。六、案例分析题（15分）33.材料：2026年3月15日10:00，某新能源车企A被自媒体B发布视频，称“其新款轿车行驶中电池包脱落”。视频3小时登顶抖音热榜，微博话题#A车企电池脱落#阅读量1.3亿。10:30，A官方账号否认，称“非脱落，为底部护板”。11:00，央视财经转发并评论“等待权威鉴定”。12:00，国家市场监督管理总局宣布已介入调查。14:00，车主在抖音直播，展示车辆底部锈迹，并称“4S店曾私下提出30万元和解”。16:00，A股价跌停。20:00，A公布第三方机构C的检测报告：电池包完好，脱落物为“玻璃纤维护板”。次日，自媒体B删除原视频，微博话题热度下降50%。请回答：（1）列出本次事件中三个关键节点，并指出各节点对应的“舆情相态”。（6分）（2）若你受A委托进行复盘，请给出“声誉修复”三步策略，并说明每步的量化目标。（9分）答案：（1）节点1：10:00视频发布→爆发相态（情感极值-0.78，传播速度峰值）节点2：12:00总局介入→观望相态（情感极值回升至-0.45，权威信源入场）节点3：20:00报告发布→回落相态（情感极值-0.21，负向热词权重降50%）（2）步骤1：技术透明目标：24小时内发布4K高清拆解视频，B站播放量≥500万，弹幕正面率≥60%。步骤2：用户补偿目标：对3·15当日新增订单无条件赠送8年延保，申请率≥30%，NPS（净推荐值）回升至事件前水平（55）。步骤3：长效沟通目标：建立“电池安全月报”制度，每月15日微博发布，连续6期阅读量均≥100万，评论区负面占比<10%。七、计算题（20分）34.已知某话题在微博平台48小时内的转发级联数据如下：时间（h）累计转发量012742568082001040012600147501685018900209302295024960（1）采用“爆发阈值”法，以转发速度≥200/2h为阈值，判断爆发起始时段。（4分）（2）若使用Bass扩散模型拟合，设外部影响系数p=0.01，内部影响系数q=0.35，总潜在采纳者m=1000，求t=10h时的理论转发量，并计算与真实值的相对误差。（10分）（3）给出一种降低误差的数据预处理思路。（6分）答案：（1）计算2小时滑动速度：4-6h：(80-25)/2=27.56-8h：(200-80)/2=608-10h：(400-200)/2=10010-12h：(600-400)/2=100首次≥200/2h为8-10h，故爆发起始时段8h。（2）Bass模型：F代入t=10：F理论转发量N(≈（3）预处理：对0-2h的“种子期”数据加权平滑，采用对数变换抑制早期噪声，再拟合；或引入时变q(t)函数，使内部影响随话题成熟度递减，可降低中期高估误差。八、论述题（20分）35.结合“算法治理”与“舆论生态”互动视角，论述2026年平台企业如何平衡“流量效率”与“公共责任”，并给出可落地的技术—制度复合方案，要求至少包含一条可验证的量化指标。答案：平台需在推荐算法前端嵌入“公共责任约束模块”，形成“效率—责任”双目标优化。技术层面，采用多目标强化学习框架，奖励函数设计为R其中HH九、操作题（20分）36.给定一份CSV文件“weibo.csv”，字段：mid,text,created_at,reposts,attitudes。请用Python完成以下任务，并写出完整代码：（1）清洗文本，去除URL、@用户名、表情，保留汉字与标点。（5分）（2）使用SnowNLP计算每条text的情感得分，新增列senti。（5分）（3）按小时聚合，绘制情感均值折线图，保存为senti_hour.png。（5分）（4）输出情感最低的前5条原始text，并给出mid。（5分）答案：```pythonimportpandasaspdimportreimportmatplotlib.pyplotaspltfromsnownlpimportSnowNLPimportwarningswarnings.filterwarnings('ignore')读取df=pd.read_csv('weibo.csv')1.清洗defclean(text):text=re.sub(r'http\S+','',text)text=re.sub(r'@[\w]+','',text)text=re.sub(r'.?','',text)text=re.sub(r'.text=re.sub(r'[^\u4e00-\u9fa5。！？，；：“”‘’（）\w]','',text)returntext.strip()df['text_clean']=df['text'].astype(str).apply(clean)2.情感df['senti']=df['text_clean'].apply(lambdax:SnowNLP(x).sentiments)3.时间聚合df['created_at']=pd.to_datetime(df['created_at'])df['hour']=df