网络舆情监测技术研究及应用综述

介绍网络舆情监测的概念及研究现状,从信息提取、文本挖掘处理、舆情分类、文本表示与主题发现、舆情意见挖掘和观点分析5个方面,介绍网络舆情监测的有关技术,并将网络舆情监测技术中涉及的各关键挖掘技术进行整合,讨论了网络舆情监测技术在实践上的应用及其意义。     

基于深度学习的"教育公平"网络舆情分析

[目的/意义]旨在构建一个网络舆情系统,及时准确地挖掘海量网络数据,分析社会热点事件的网络舆情。[方法/过程]结合深度学习技术,构建了一个基于内容与结构的舆情分析模型,其中利用Bi LSTM-CNN深度模型对舆情内容进行情感分析,利用社会网络分析法对舆情网络进行结构分析。[结果/结论]实证分析表明了该模型在公共事件舆情分析上的有效性和优越性。从结构和内容两方面分析,能为公共事件网络舆情分析提供新思路。     

基于微博的网络舆情动力学研究

为研究基于微博的网络舆情的传播机制,本文基于微博平台,结合小世界理论,以网络舆情的生命周期为脉络,构建出基于微博的网络舆情传播模型,并且结合具体案例对模型进行仿真验证,同时预测其未来发展趋势。     

一种面向网络舆情危机预警的观点柔性挖掘模型

针对网络舆情危机预警方法的不尽完善,建立柔性舆情挖掘、观点演化和网络舆情危机预警三个子模型。采用统一挖掘算法,实现粗、中、细三种粒度观点柔性挖掘;采用发酵、异化和演化模型实现观点演化,并研判演化趋势;结合网络生态环境和观点演化趋势以及危机预警子模型实现对网络舆情危机的识别和预警并且给出了基于观点树的柔性观点挖掘实例。     

文本挖掘在网络舆情信息分析中的应用

网络舆情已成为社会情报的一种重要表现形式.挖掘技术为网上大量以非结构化数据形式出现的舆情信息分析提供了方法和技术支持.介绍了网络舆情的特点与作用,分析了文本挖掘技术的主要功能,提出网络舆情信息挖掘分析模型,并以实例说明文本挖掘在网络舆情分析中的应用.     

知识和数据双轮驱动的网络舆情分析技术研究

为应对当前网络舆情的新挑战和舆情分析的精准性要求,需要从大数据的角度研究舆情处理新模式,从知识工程的角度挖掘舆情知识体系。借鉴知识技术和大数据技术在舆情领域的最新研究成果,设计了基于知识和数据双轮驱动的网络舆情分析模型,讨论了模型设计和关键技术。最后以"南海问题"主题舆情为案例,对模型在实际舆论工作中的效用进行了验证,结果显示该模型能够较好地对特定主题舆情进行深度分析和挖掘。     

突发事件网络舆情的演变机制及其情感性分析研究

为深入研究突发事件网络舆情的演变形式及演变成因,本文以7.23温州动车追尾事件为例,以事件舆情生命周期为脉络,在利用SVM对各阶段舆情进行情感性分析的基础上,从政府、媒体、意见领袖、网民自身4个维度对网络舆情事件中各角色对网络舆情传播过程的影响及彼此间的相互作用做出了分析,并对舆情的应对提出一些建议。     

基于Web挖掘的突发事件网络舆情预警研究

当前网络突发事件频发,网络舆情与突发事件的相互作用增加了舆情分析和预警的难度,现有舆情预警系统无法满足需求。将Web挖掘技术引入到突发事件网络舆情预警中,构建了包括舆情采集层、舆情挖掘层、舆情分析层、预警研判层的基于Web挖掘的突发事件网络舆情预警系统模型,集成和整合了突发事件网络舆情预警全过程的重要功能,实现突发事件网络舆情采集、分析处理、危机预警的自动化、智能化和实时化。     

传播阶段中不同传播者的舆情主题发现与对比分析

在网络舆情内容的传播过程中,各种物理上独立的舆论会话在传播要素上可能存在着语义关联,并且传播要素之间的相互影响对舆情传播内容的演变具有重要作用。本文从网络舆情的传播阶段中传播要素的相互影响入手,以传播内容为主要研究对象,以社群网络中的关键节点及其传播主题为分析单元,将生命周期理论和关键节点识别相结合,并选择新浪微博作为数据来源,采集舆情事件信息,构建舆情事件生命周期各阶段的社会网络并提取关键节点,借助LDA主题模型方法挖掘各阶段舆情内容的主题,在此基础上研究相同阶段或者不同阶段中在关键节点影响下的舆情主题分布及其变化。研究结论为社会舆情分析与决策支持提供了一定的参考。     

基于Web挖掘的网络舆情智能分析研究

本文在分析、比较和综合国内外网络舆情信息分析处理技术的基础上,将Web挖掘技术引入舆情智能分析处理中,构建了基于Web挖掘的舆情信息智能分析模型,并通过系统实例介绍了Web挖掘在网络舆情智能分析中的具体应用。