共查询到10条相似文献,搜索用时 302 毫秒
1.
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。 相似文献
2.
3.
我国网络舆情安全评估指标体系的构建研究 总被引:1,自引:0,他引:1
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。 相似文献
4.
5.
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。 相似文献
6.
7.
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。 相似文献
8.