主要内容：
社交媒体大数据为政策决策者衡量公共意见提供了新的机会，但是这些大量表达和表达方式的多样也给政策分析带来了挑战。
本文提出了一个基于社交媒体的公共政策学的分析框架和iMood系统。
框架由收集、清理、筛选、分析步骤构成。
为了验证框架的可用性，我们开发了一个名为“移民和边境安全情感”的在线验证系统。
数据来源于原有社交媒体内容，包括文本、时间、结构数据，提供静态和动态分析。我们选取了一段时间有关美国移民和边境安全讨论的推文进行实证分析，结构化数据。
我们按照重大事件发生时间节点将全部数据分成三阶段，统计每一阶段用户发文量，进行差异性检验，利用普拉特切克情感轮盘进行情感分析，利用用户影响评分进行话题领导者分析，同时计量网络指数进行网络分析，发现不同阶段网络中心度和扩散。这些分析都可以可视化提供给政策决策者。
本文的贡献在于构建了一个自动的政策辅助决策系统。
未来研究
未来的研究应该用更长时间区间验证其有效性，以及提高处理速度和检索效率，并将此框架应用于其他辅助决策场景。
知识点：
政策信息学
社交媒体分析学：情感分析（普拉切克情感轮盘）、网络分析
原文：
Social-Media-Based Public Policy Informatics: Sentiment and Network Analyses of U.S. Immigration and Border Security
链接：https://pan.baidu.com/s/1naDHUIs_wl7bswNDnspnzA