基于社区发现的舆情热点挖掘研究

信息时代的快速发展,让社交网络平台成为人们交流工作、发表意见、联络感情的第二世界。为了准确地在大量网络舆情数据中发现热点并分析其热度,提出了基于社区发现的舆情热点挖掘研究,使用社区发现算法对舆情数据的热点挖掘工作进行研究,鉴于微博数据传播机制的特点,微博话题的热度值会受到转发量、评论数、点赞次数以及发表时间的影响,为此引入微博舆情数据关键词的热度影响因子来提高针对微博舆情数据热度计算的准确率。并在此基础上提出一种基于综合权重计算和热度影响因子的改进算法—CWHIF-TR。构建针对微博文本的热度分析模型,完成热点关键词热度分析实验和摘要句热度分析实验,为热度计算的相关研究提供思路。     

面向多源社交网络舆情的情感分析算法研究

随着互联网技术的快速发展,社交媒体的多元化也应运而生,因此如何有效分析多源社交网络舆情成为当前研究的热点。文中结合舆情信息的抓取、分词、过滤停用词等三个核心处理模块,基于舆情的情感及趋向性分析,提出了一种面向多源社交网络舆情的情感分析算法。仿真结果表明,该算法在多源社交网络舆情的分析处理中检测效果良好,说明该算法有效。文中的算法研究,可为该领域的进一步研究提供有价值的参考。     

重大自然灾害事件的舆情特征及治理研究

新浪微博评论内容包含用户对社会事件的看法、态度、情感倾向等,其中蕴含着十分丰富的情态信息。为把握舆情走向,提升公共舆情治理能力和公共服务质量,本文以“7·20”河南暴雨事件为例,选取人民日报微博客户端在事件期间发布的相关微博,以其微博文本和评论为基础进行舆情文本情感分析及主题提取,结合数据分析得出事件舆情特征,并讨论相关管理部门应如何针对突发事件进行舆情治理,构建健康绿色的网络环境。     

基于ARIMA和BP神经网络模型的舆情情感预测

针对重大事件网络舆情数量的激增,网络舆情安全监管和预警形势严峻的情况,提出一种基于ARIMA和BP神经网络组合模型的网络舆情情感预测模型,进而对新浪微博上采集的"余姚水灾事件"进行文本情感值计算,并对其情感变化趋势进行综合分析和预测。预测结果表明,也组合预测方法相对于单一预测方法具有更高的精度,进而说明该模型在网络舆情情感预测中的应用是可行的。     

基于深度学习的网络舆情监测系统研究

随着国内互联网的快速发展,网络舆情监测工作已经成为相关部门、企业工作内容的一部分。构建舆情监测系统可以提前发现舆情危机,及时处理危机公关。文中提出了一个完整的网络舆情监测系统框架,该系统由信息采集层、数据资源层、数据分析应用层和应用服务层4部分组成。该系统首先根据关键词自动采集全网多数门户网站、微博和微信公众号中的数据,包括文章与评论;然后将这些数据进行清洗、分词并过滤停用词,利用Word2Vec模型进行词嵌入,得到矢量化文本;随后再将矢量化的文本导入LSTM深度学习模型中进行情感分析,进一步将数据分为敏感数据、中性数据和非敏感数据;最后将舆情预警信息通过可视化技术显示。文中所提出的网络舆情监测系统可以帮助监管部门及时监测和引导相关舆论,促进社会和谐发展。     

基于PDCA循环和文本挖掘的网络舆情监管方法

为了完善网络舆情信息的监管机制,使网络舆情能够被有效的梳理和监管,提出了基于PDCA循环和文本挖掘相结合的网络舆情信息监管方法。该方法采用PDCA的计划、执行、检查、改进四个步骤来梳理网络舆情信息监管流程,而在执行阶段则融入文本挖掘方法实现智能决策分析。本文首先分析了目前网络舆情管理的现状,其次给出了基于PDCA循环和文本挖掘的监管方法的实施方案,其中重点阐述了信息获取、热点网络舆情发现、情感倾向性分析等文本挖掘方法在其中的应用。     

微博对高校网络舆情的控制与管理

随着信息技术及互联网应用的不断普及与发展,微博等新型媒体已经成为网络舆情的重要舆论场。微博作为一种新型的舆论传播平台,越来越成为高校网络舆情的主阵地。大学生作为微博的主力军,在这新兴媒体的使用中占据着不可忽视的地位。高校利用官方微博来控制和管理网络舆情已非常有必要。本研究通过高校网络舆情现状分析,探讨高校官方微博对舆情传播的影响,提出了基于高校官方微博的网络舆情管理策略,为高校建设与管理微博提供了一定参考。     

一种分布式中文微博热点话题的发现方法

针对微博数据文本内容短小、特征词稀疏以及规模庞大的特点,提出了一种基于MapReduce编程模型的发现微博热点话题的方法。该方法首先利用隐主题分析技术解决了微博内容短小、特征词稀疏的问题,然后利用CURE算法缓解了Kmeans算法对初始点敏感的问题,最后采用基于MapReduce编程模型Kmeans聚类算法,对海量微博短文本数据进行快速聚类。实验结果表明该方法可以有效提高微博热点话题发现的效率。     

一种热点话题算法在微博舆情系统中的应用

为了能从中文微博中获取实时的热点话题,设计了一种微博舆情系统,能够有效分析出微博中的热点话题。系统采用网络爬虫算法获得微博数据,然后对微博数据进行过滤,预处理得出比较纯净的微博数据。这里重点是对微博数据进行热点话题分析,采用一种特征向量模型来分析热点话题。最后通过实验表明该微博舆情系统有一定的可行性和准确率。     

突发环境事件中微博影响力的预测研究

构建突发环境事件中微博影响力预测模型,有助于相关部门及早发现问题,并采取行动,保障网络舆情平稳发展。因此,本文以“xx突发环境事件”为研究对象,根据微博转发、点赞和评论次数衡量其影响力,选取微博用户、内容、时间特征,建立基于AdaBoost算法的微博影响力预测模型,并对微博特征重要性进行分析,结果表明该模型的预测精度可达到93.2%,能够较好地完成预测任务。此外,微博的内容、时间特征、用户基本信息、用户活跃度均对微博影响力产生作用,长文本的、通知类的微博影响力更高,白天发布的微博影响力要比晚上发布的高,政府媒体用户和大V用户发布的微博影响力更高,原创度高的用户发布的微博影响力也会更高。     

一种融合用户关系的自适应微博话题跟踪方法

针对微博口语化、文本短小等特点以及现有研究的不足,本文提出了一种融合用户关系的自适应微博话题跟踪方法.首先,在当前跟踪的时间窗内,推文被映射到特征空间,并作为候选推文集合.然后,针对推文的分布特点以及话题跟踪的目的,变换推文特征空间.在此基础上,利用改进的K-means聚类算法对候选推文集合进行二元聚类,从而划分出相关推文集合,即当前话题目标模型.本文通过Twitter平台获取数据进行实验,实验结果表明,该方法能够实时地跟踪话题热度的变化以及焦点的演变,并提高了微博中话题跟踪的稳定性.该方法为用户推荐、舆情分析等领域提供了有效的支撑.     

特征词选择与相似度融合的微博话题发现方法

微博短文本中存在一些相同或相近、但与主题关系不大的词项,对准确度量文本之间的相似性具有较大的干扰作用,影响微博话题被发现的质量。提出一种基于文本内容与结构化信息相结合的特征词选择算法,能有效提取具有代表性的特征词,并对文本、话题间相似度的计算策略进行改进,然后将特征词选择算法与相似度计算方法融合,应用于微博文本数据实现话题发现。实验结果表明,本算法能有效降低话题发现的平均漏检率与误检率,提高话题发现质量。     

微博热点话题检测系统的设计与实现

本文描述了一个微博热点检测系统。管理者通过它可以快速了解正在发生的或是已发生的微博热点事件。系统采用调用微博API接口与改进爬虫程序相结合的方式获取网页数据;由于网络数据量巨大,为了提高效率,还采用了网页清理技术;重点介绍了话题活性模型的方法,系统可以根据时间坐标快速寻找热点话题,提高了热点话题发现的效率,大大降低了热点话题发现的时间复杂度。     

NLP技术在特种设备舆情管理中的应用研究

自然语言处理(NLP)技术等新一代信息技术发展,为特种设备舆情信息分析分类带来新的路径.针对特种设备舆情分类需求,在分析特种设备舆情数据处理流程的基础上,开展舆情文本分词、文本向量化与朴素贝叶斯分类技术研究,进而对2018年1月份至2020年6月份6983条特种设备舆情样本进行建模分析,结果显示特种设备舆情具有明显的文...     

网络舆情事件热点发现的算法比较分析

介绍了当前网络舆情话题检测所广泛使用的算法,讨论了当前网络技术发展环境下海量网络信息对网络舆论突发事件中话题发现造成的影响。结合舆情监控系统的设计,详细阐述了热点发现的过程中几种算法的实现过程,并对几种算法进行了比较分析。     

Two-Layer Coupled Network Model for Topic Derivation in Public Opinion Propagation

In view of the fact that news can generate derivative topics when it spreads through micro-blogs,a two-layer coupled SEIR public opinion propagation model is proposed in this paper.The model divides the process of public opinion propagation into two layers:the original topic layer and the derived topic layer.Messages are transmitted separately by the SEIR model in the two topic layers,which are independent and interactive.The influence of the topic derivation rate on the propagation trend is established by solving for the equilibrium point and propagation threshold.Further,we establish the relationship between the original topic and the derived topic by simulation.This paper uses the Baidu index to demonstrate the correctness of the model.The relationship between the derived topic and the original topic is verified by adjusting the parameters by the control variable method.The results show that the proposed model is consistent with the propagation of actual public opinion.     

基于LSTM深度学习模型的中国电信官方微博用户情绪分析

中国电信官方微博（简称电信官微）作为一种互联网媒体,是中国电信对外发布信息并获取用户反馈的重要渠道。用户对电信官微消息内容的评论,反映了用户对中国电信品牌、产品和服务的不同态度。爬取了电信官微的消息内容和评论数据,对经过清洗的数据采用Word2vec进行文本信息表示,并使用深度学习平台基于LSTM深度神经网络模型进行用户交互文本的正负面情感分类,实现电信官微访问用户情绪分析。     

大数据环境下的网络舆情管理系统设计

随着网络的快速发展,越来越多的人们通过网络发表个人观点及看法,网络舆情成为社会舆情中的重点对象和主要方式.本文通过对大数据环境下网络舆情及其特点的阐述、分析,结合数据挖掘、文本情感分析等技术,初步构建出了网络舆情管理系统的模型.     

基于微博的网络舆情管控技术研究

微博作为社交网络发展的最新产物,已逐渐成为网络舆情爆发的始发地。微博舆情管控有效的措施是发布舆论疏导信息进行正确导向。研究基于微博网站的开放平台,通过注册合法用户,采取群发消息、群发评论、群发@信息等技术途径,增强舆论导向信息传播的速度和密度、信息投送的精度和力度。最后通过国内主流的微博网站开放平台搭建实验环境,对微博舆情管控技术进行了验证,能够较好地实现微博舆情疏导信息形成几何数的传播速度。