基于Nutch与元搜索引擎技术的高校网络舆情监测系统研究

针对高校网络舆情监测工作的不足,结合高校舆情信息的传播特点,提出了在校园网范围内基于Nutch搜索引擎技术进行信息检索,在互联网上采用元搜索引擎技术获取相关信息的舆情监测系统构建方案。采用关键词特征库匹配方式自动进行网络舆情监测,及时准确地发现网络舆情信息;探讨了高校对于网络舆情的监测、分析、引导和反馈等环节的处理方法,从而形成完善的应对机制。     

基于迁移学习的企业网络舆情危机预警研究

针对传统企业网络舆情危机预警方法存在预警准确性较低的问题,提出基于迁移学习的企业网络舆情危机预警方法。利用智能元搜索技术对企业网络舆情信息进行分类,通过迁移学习分析网络舆情负面信息数据,提取网络舆情危机特征,识别网络舆情危机,并确定预警等级,实现危机预警。实验结果表明,该方法的预警性能最好,优于对照组。     

我国网络舆情安全评估指标体系的构建研究

近几年,国内通过网络爆发的重大舆情事件激增,使得网络舆情安全监管和预警形势极为严峻,引起了国家的高度重视。构建网络舆情安全评估指标体系能为网络舆情分析及预警技术与应用系统的实现和应用提供系统化、整体性的基础性平台。本文将＂舆情＂这一通过社会层面定性描述的概念与＂网络＂这一通过技术层面定量表征的概念有机地契合,深入挖掘互联网上所体现的舆情演变规律,从而构建了网络舆情信息在传播扩散、民众关注、内容敏感性、态度倾向性四个维度的安全评估指标体系,实现了对某一具体的网络舆情信息的安全态势评估。     

高校网络舆情监测系统构建及应对机制研究

针对高校网络舆情监测工作的不足,结合高校舆情信息的传播特点,提出构建舆情监测系统的整体方案.在校园网内基于Nutch搜索引擎技术进行信息检索,互联网范围内采用元搜索引擎技术获取相关信息,采用关键词特征库匹配方式自动进行网络舆情监测,实现对舆情信息及时准确的发现,并探讨高校面对网络舆情在监测、分析、引导和反馈等环节的处理...     

基于细粒度信息感知BERT-EEP的情绪分类方法

网络舆情情绪分析专注于挖掘特定领域文本中深层次的情绪信息，对及时评估和化解舆情风险有重要意义。以往研究大多依赖情感符号、词性等基本情绪知识构建情绪语义特征，忽略了文本中情绪的持有者、线索等细粒度语言表达。为此，针对COVID-19疫情期间网络舆情数据的特点，引入同步双通道循环递归网络抽取细粒度情绪信息。在此基础上，提出辅助句构造法和基于BERT的情绪表达感知网络BERT-EEP,利用细粒度情绪信息辅助标签分类，并通过多头注意力机制和双向门控循环单元学习辅助信息和上下文之间的依赖关系，最终实现情绪分析。为评估所提方法的有效性，构建了一个具有细粒度表达的COVID-19中文情绪数据集。实验结果表明，所提方法能有效地融合细粒度情绪信息，在情绪分类任务上获得了优异的性能。     

网络舆情监控系统的设计和实现

网络舆情对政治生活秩序和社会稳定的影响与日俱增,一些重大网络舆情事件使人们开始认识到网络对社会监督发挥的巨大作用,如何实时监控舆情并及时处理尤为重要。基于此,介绍了舆情监控系统的相关技术,根据业务需求分析了系统功能模块,实现了系统设计。结果表明,该系统能有效采集、分析数据,及时发现舆情信息并实施预警。     

基于深度学习的社交网络舆情信息抽取方法综述

随着社交媒体平台的快速发展,舆情信息得以在极短的时间内大范围传播,如果不对舆情信息加以管理和控制,将对网络环境乃至社会环境造成巨大威胁。信息抽取技术因其语义化和精准性成为舆情分析和管理的第一步,也是最关键的一步。近年来,随着深度学习的发展,其自动学习潜在特征、组合特征的能力使信息抽取各个子任务的准确率都得到了很大的提高。文中结合社交网络舆情的特点和深度学习技术在信息抽取领域的应用,对基于深度学习的社交网络舆情信息抽取方法进行了系统的梳理和总结。首先整理了社交网络舆情信息的组织方式,详细阐述了舆情信息抽取的框架、评价指标,然后对现有的基于深度学习的舆情信息抽取模型进行了全面的回顾和分析,讨论了现有方法的适用性及局限性,最后对未来的研究趋势进行了展望。     

基于网络爬虫的舆情信息采集系统设计与实现

本文针对当前舆情信息系统信息采集的情况,提出了一种基于网络爬虫的网络舆情信息采集系统的架构,并对其予以了实现。通过对该系统的测试,验证基于该架构的网络舆情信息采集系统,可以有效地对网络中的舆情信息进行抓取和采集,并支持数据库存储,为网络中舆情信息的管理和监控提供数据支持。     

网络舆情监测系统的分析与设计

大数据时代下,网络舆情监测对政府合理控制舆情方向、进行舆情治理具有重要意义。网络舆情监测系统主要根据网络舆情需求,构建在.NET平台下基于EntityFramework模型的网络舆情监测系统的C/S和B/S框架体系。系统对信息采集、信息过滤、关键词挖掘、舆情主题分类等模块进行优化分析设计和实现。应用马尔可夫模型,将舆情发展态势划分为生成期、发展期、极速发展期和衰退期,通过对历史数据的计算实现了舆情的未来发展区间。     

基于语义文法的网络舆情精准分析方法研究

传统的基于关键词统计分析的网络舆情分析方法由于缺少对舆情文本必要的语义处理,往往导致分析结果不准确。提出一种基于语义文法的网络舆情精准分析新方法。该方法包括两部分:首先是可执行的网络舆情精准分析语言Eipoaal,它可根据实际舆情分析需求设计Eipoaal程序,具有一定的通用性;二是网络舆情精准分析系统Ipoaas,它为Eipoaal提供运行平台。目前,已经实现了该系统,并应用到贪腐主题的网络舆情分析中,实验结果证明了方法的有效性。