高校校园网络舆情特点及研羊机制研究

高校校园网络舆情对大学生的思想和行为产生着重要的影响。研究高校校园网络舆情的现状、特点及存在的问题,探索舆情发展的规律,并在此基础上,提出高校校园网络舆情的研判与分析预警机制,构建网络舆情研判预警系统,促进高校大学生群体网络舆情的研判预擎制度的建立与应用。     

基于大数据技术网络舆情分析系统

互联网的快速发展使每位公民都能对社会热点、焦点问题发表言论，进而形成了网络舆情。而网络舆情的监测与分析越发依赖大数据分析技术系统。本文针对实时的热点话题进行舆情分析系统研究，开发出一套针对热点话题进行情感分析的舆情分析系统，该系统采用定向爬虫技术、自然语言分析处理技术、Django框架、web开发等技术。不仅可以帮助大众更好了解热点话题的舆论导向，而且能帮助相关部门检测舆情走势，控制舆情程度并给出明确的信息依据。     

基于用户行为的高校BBS热帖预测模型

校园BBS是高校网络舆论的主要载体,反应了大学生的舆论倾向以及生活的各个方面,高校BBS的实证研究具有重要的意义。如何高效地对帖子的热度进行预测是发现突发网络舆情的基础,对网络舆情的研究具有重要的意义。以一高校BBS实际的数据为研究对象,对帖子和用户进行深入分析,提出一种基于用户行为的高校BBS热帖预测模型,通过实验分析,该方法可以对论坛中的热帖进行较好的预测。     

基于Web的高校舆情监控关键技术研究

文章通过对当今大学生校园网络舆情的分析和国内外对高校网络舆情监控所采取的措施的介绍,提出了针对高校舆情监控可采用实名制的措施,以全面掌握高校学生的思想动态,更好地构建和谐校园。     

自媒体时代高校网络舆情云分析系统研究

互联网技术的进步推进了自媒体时代的到来,给高校舆情监管带来了新的挑战。对高校舆情现状及特点进行分析,提出网络舆情系统结构模型,并使用Hadoop技术构建高校网络舆情系统对海量数据进行分析,实现热点话题的发现追踪。     

全媒体时代高校负面网络舆情的传播与管理研究

高校网络舆情是在校人员通过互联网表达个人思想、诉求个人利益表现出的网络行为，是网络舆情的延伸和体现。随着全媒体时代的到来，以报纸、广播和电视为主的传统舆论格局已经改变，互联网的发展尤其是社交媒体在人们生活中的渗透，为高校学生提供了获取并传播信息的新平台，大学生对社会问题的思考与讨论，加剧了舆情事件发生的可能性。因此，加强对高校负面网络舆情的管理，提高引导和管控舆论信息的能力，对推动校园的和谐健康发展，健全互联网环境下各高校的舆情管理体制有着重要意义。     

基于智慧校园建设的高校网络舆情预警机制构建研究

伴随着教育信息化技术的成熟和发展,高校"数字校园"正在向"智慧校园"稳步迈进。网络舆情预警机制作为"智慧校园"的重要组成,其构建意义重大。基于对当前智慧校园建设背景下高校网络舆情预警机制建设的现状和特点的总结,探索从网络舆情警报机制、舆情预防机制、舆情处理机制等五个方面构建高校网络舆情预警机制。     

重大突发公共事件背景下高校网络舆情特点与治理对策研究

本文以重大突发公共事件为研究背景，旨在对突发公共事件下高校网络舆情现状与特点、常见舆情类型、舆论风险成因及对策展开研究。通过对我国网络使用群体现状的数据分析引出重大公共突发事件下高校网络舆情的主要特点。采用个案分析、比较分析的研究方法，梳理出部分城市在重大公共事件突发期间，市内及周边地区高校针对学生在公共事件突发阶段的网络言论所采取的不同应对方法及后续所导致的舆论风险成因与类型，剖析不同高校在重大突发公共事件下衍生的网络舆情在校内学生群体中的传播过程与特点，从而分析总结出高校管理方所应采取的正确舆情引导方式与危机应对策略，为高校如何应对此类舆情危机建言献策。     

高校校园网络舆情控制研究

随着校园网络的不断发展,与之相适应的高校校园网络舆情给校园网络安全提出了新的挑战。及时监测网络舆情、正确引导网络舆论、建立舆情预警机制将有效地确保校园网络信息安全。本文通过对网络舆情特点的分析提出了校园网络舆情的应对策略,旨在共同营造文明健康的校园网络环境。     

大数据背景下校园舆情的爬虫应用研究

校园舆情监测主要正对的是微博数据,而微博数据处理属于大数据范畴,其前提是获取大量的微博数据,文章尝试应用网络多媒体内容采集、数据分析等技术,完成针对校园网络舆情信息的有效提取与分析研究。分析了网络爬虫技术发现系统应解决的基本问题及涉及的元数据管理等关键技术,提出了相关的解决方案,同时设计出可稳定获得新浪微博数据的挖掘方案,并给出情感分析应用实例,将挖掘方案获取微博上的数据,应用于微博情感分析中。     

基于熵值的网络论坛热点话题发现

针对网络论坛热点话题的识别、发现和舆情监测问题,提出一种基于热度熵值的热点话题发现方法。通过网络爬虫抓取网络论坛中的数据,在对数据进行预处理和分析热点话题属性特征的基础上,合理定义各属性的权重和话题的热度熵值,并以此对话题的热点信息进行分析、统计与评估,从而发现和追踪网络论坛中的热点话题。同时,对话题的热度进行细致划分和各种类型的定义,采用不同阈值策略计算不同类型的热度信息标注的准确率。实验结果表明,该方法合理、有效,相比于传统的话题语义分析方法具有较高的准确率,可作为互联网论坛舆情监测的依据。     

移动智慧校园服务平台关键技术研究

本文对移动智慧校园服务平台实现的关键技术进行研究。通过信息挖掘技术为师生提供个性化资讯服务,减少信息过载压力;利用移动通信技术为师生提供自动适配的推送信息;统一身份认证,构架开放式API 接口,支持校园智能化设备无缝集成应用;利用聚类技术获取校园热点话题,进行正确的舆论引导。     

基于BBS的热点话题发现与态势预测技术的研究

网络论坛BBS是中国网民一个重要的信息传播渠道,而其中的热点话题自然就成为舆情调控和效果评估的首要目标。提出一个快速有效的用于挖掘网络论坛中热点话题并分析预测其发展态势的方法,利用统计的方法为同一版面下帖子的热度打分并排序,并使用相关的数学模型对热度较高的帖子的发展态势进行分析与预测。通过实验验证了该模型的可行性和有效性,为进一步研究复杂网络中热点话题的演化奠定了基础。     

基于Hadoop的微博舆情监控系统

随着在线社会网络如社交网站、微博、在线社区等的快速发展, 一个真正的双向传播和新媒体时代逐步形成. 在线社会网络让每个用户都能创造自己的内容, 并且快速传播出去. 据不完全统计, 新浪微博平均每秒有超过1000条的新微博产生, 日增量数据为5TB, 因此海量数据给舆情监控带来了严峻的挑战. 将介绍一种基于Hadoop的微博舆情监控系统, 能够对大规模采集数据进行挖掘、分析, 实现对舆情热点话题的发现及追踪、对微博的社会网络分析, 分析结果可视化呈现, 为党政机关、大型企业等单位和组织及时发现敏感信息、掌握     

基于在线Biterm主题模型的舆情新闻事件跟踪

舆情新闻事件跟踪,是舆情监控、热点分析、政策制定等研究和应用的重要基础。针对舆情新闻的稀疏性、敏感性、易演化性、次生性等特点,基于在线Biterm主题模型（online Biterm topic model,DBTM）,通过随机坍缩变分贝叶斯（stochastic collapsed variational Bayesian inference,SCVB0）算法更新参数,提出面向舆情新闻事件监控的主题模型MBTM（monitor Biterm topic model）,利用该模型检测初期事件主题,跟踪后续新闻所属的主题。为了对存在关联关系的事件进行串联,进一步给出事件线索的概念,分别从主题层面和语义层面度量线索关联度,进而针对新闻事件主题生成事件线索。实验结果表明,MBTM模型在大多数指标上均优于OBTM等模型,验证了该方法的有效性和高效性。     

The tweets that killed a university: A case study investigating the use of traditional and social media in the closure of a state university

The 12-month discussion surrounding a regional university campus quickly evolved from a suggestion of independence, to a plan, to the ultimate closure of the university. This unique series of events at the University of South Florida Polytechnic (USFP) allows for an investigation of how various forms of media were used during this significant event that impacted college student’s education and immediate future. A campus wide survey was combined with social and online media monitoring to assess the topics, authors, and methods used during prominent discussions during and preceding the closure of USFP. Although social media played a crucial role, the most common format was Twitter and it was used almost exclusively by members of the media itself. Students instead relied on traditional sources to gather information. Additionally, students expressed their opinion utilizing classic methods, such as petitions, foregoing more modern Twitter or Facebook campaigns. It is incorrect to automatically assume younger demographic authorship or utilization of social media technology. Whereas social media use could expand even more over the next decade, identifying authorship remains critical as it is unclear how frequent social media is viewed as an official method of public discussion, especially when politics and higher education collide.     

高校BBS舆情监测系统设计与实现

基于旁路模式实时分析还原出高校论坛的帖子内容作为论坛舆情监测的数据源,根据用户访问论坛的网络数据流分布符合幂率特征设计了一种高效的改进型LC（Lossy Counting）数据流频繁模式挖掘算法分析论坛的访问热点,采用增量层次聚类算法对还原出的主题内容进行聚类的舆情分析系统;同时提供管理模块可以限制敏感话题的访问范围。系统经过一段时间的运行,证明能够准确监视论坛的舆情动向。     

基于聚类技术的网络学习行为数据分析研究

在“互联网+”时代,网络学习已经成为学校教育教学的重要组成部分。文章选取某高职院校《计算机应用基 础》网络课程为分析对象,运用聚类技术对高职院校学生在线学习行为进行数据分析,建立学生特征分类模型,为教师优化教 学提供决策参考、为学生推送学习建议,以提高网络教学的效果。