基于数据挖掘的客户舆情预警监控系统设计

互联网平台、手机客户端及现场服务渠道为客户提供了极为广阔的服务体验空间,为了提升客户体验,业务受理相关的客户舆情信息对于客户服务质量监测尤为重要,设计基于数据挖掘的客户舆情预警监控系统。利用数据挖掘架构,定义客户舆情数据的传输转换方式,根据信息参量自身的结构功能需求,实现客户舆情预警监控系统的硬件执行环境搭建。在此基础上,对数据簇中心进行提取处理,联合完成定义的监控数据样本,计算预警复杂的分值具体数量级水平,实现系统的软件执行环境搭建,结合相关硬件设备结构体系,完成基于数据挖掘的客户舆情预警监控系统设计。对比实验结果表明,与入侵检测型监控系统相比,数据挖掘型监控系统能够准确获取客户舆情信息,实现对客户舆情信息的快速准确判定,为后续安排客户服务相关举措提供有力支撑。     

基于话题标签的微博舆情热点挖掘系统设计

为在微博舆情信息高速转发时段内实现对热点数据的精准挖掘，文中设计一种基于话题标签的微博舆情热点挖掘系统。首先确定框架体系连接形式，并根据热点信息定义结果建立话题标签模型。以此为基础，对热点信息散列表进行排重处理，完成对微博舆情热点数据的处理。最后，联合采集到的目标信息样本对论坛结构进行分割处理，完成挖掘系统设计。实验结果表明，在话题标签模型作用下，系统主机对于热点数据的挖掘准确率较高，可以在微博舆情信息高速转发时段内实现对热点数据的精准挖掘，满足实际应用需求；与基于机器阅读理解的挖掘系统、基于跨语言神经主题模型的挖掘系统相比，这种新型挖掘系统能够在微博舆情信息高速转发时段内，对热点数据进行精准挖掘，与设计初衷相符合。     

基于Web技术的嵌入式网络视频监控系统研究

针对传统的视频监控系统在实际应用中所存在的不足与问题,本论文详细研究设计了基于Web技术的嵌入式网络视频监控系统。首先简要分析了嵌入式技术,并对基于嵌入式技术的网络视频监控系统的功能需求和软硬件平台进行了分析,在此基础上重点论述了基于Web技术的嵌入式网络视频监控系统的实现方案,给出了系统的架构和软件程序的设计方案,对于进一步提高嵌入式技术在网络视频监控系统中的应用水平具有较好的指导和借鉴意义。     

基于MVC模式的网络舆情管理系统的研究与应用

针对网络舆情的隐蔽性与广泛性对相关技术具有限制性的缺点,提出了一种基于MVC模式的网络舆情管理系统。该系统基于Windows平台,应用Apache服务器,采用Java开发语言,并结合AJAX技术,以实现对网络舆情的高效采集、准确监控与预警。最后对该系统进行验证,结果表明,该系统具有较强的实用性,满足了用户需求。     

基于3G和Web技术的远程监控系统

随着社会经济的发展以及科学技术的进步,3G网络和Web技术在远程监控系统中得到了较为广泛的应用,通过利用3G和Web技术,能够更好地实现远程监控目标,满足人们的实际需要。本文对3G和Web技术的应用,主要以这两种技术手段进行结合,设计一种新型的远程监控系统。在设计过程中,3G摄像头负责对图像信息的采集,并将数据信息进行上传,利用Web技术构建用户与摄像头之间的通信桥梁,从而实现监控功能。同时,利用3G和Web技术,用户只需要利用可以上网的电脑或是手机,就可以实现远程监控功能。     

高校网络舆情监控预警系统的设计与构建

针对高校传统舆情监控与预警手段的不足,本文设计构建了一个基于中文信息处理与挖掘技术的高校网络舆情监控预警系统,系统结合相关技术实现了互联网信息的采集、识别分析、热点推送与预警功能,为高校监测和解决公共危机和热点事件提供了技术手段。     

基于Lucene全文检索在网络舆情的研究

随着互联网逐渐成为当今社会最重要的舆情载体,网络舆情监控正受到政府、企业及个人的密切关注。通过网络舆情监控,能够了解舆论动向,引导舆论发展,从而制定正确的应对策略,并及时采取措施。在丰富的Web资源中,高效率的搜索并获得所需要的舆情信息是一件困难的工作。为了解决这样的问题,在基于Lucene灵活的API函数接口和可以定制的数据存储结构的基础上,设计了一个高效率、合理的、实用的网络舆情系统,实现对网络舆情的快速监控。     

基于微博的舆情监测与分析的研究

微博凭借其操作简单、互动性强、传播迅捷的特点,发展飞速。微博不仅已经渗透到社会各个方面,而且日益成为新闻舆论的重要源头。网络舆情的形成和传播呈现的是病毒爆发式的增长方式,能对社会产生巨大的影响。但基于微博的舆情监测和分析还是比较贫乏的。在舆情监测和分析研究的基础上设计与实现了基于微博的Scool舆情监测分析系统。针对微博覆盖面广、用户基数大、数据量巨大、更新速度快的特点,在此系统中信息的存储采取的是NoSQL与关系数据库结合的方式。     

基于微博数据采集的Web信息集成系统研究

使用模块化构建了一种特定领域的Web信息集成系统,设计实现一种基于领域关键词的新闻、微博数据采集处理系统,通过用户提供的关键词,结合人工筛选进行关键词扩展,对全网相关新闻、微博数据进行采集与抽取。设计实现了一种基于关键词和转发数的新闻排序方法,对特定领域采集的新闻数据进行处理排序,遴选重要信息进行定向推送。以气候变化领域为例,设计了Web信息集成系统。     

网络舆情监控系统处理流程及核心功能实现

面对复杂多变的网络舆情,监控系统发挥重要作用,为政府调控舆论倾向提供决策支持。构建了由数据采集、数据预处理、舆情分析和舆情展示等子系统构成的处理流程,并设计了实现方法。其中,基于网络爬虫技术设计了数据采集实现流程;数据预处理设计了消除噪音、中文分词、去除停用词和文本特征提取等预处理工作实现方法;舆情分析设计了舆情话题提取聚类算法流程和情感指数计算过程;舆情展示设计了舆情发布、舆情检索、舆情预警和舆情引导等四类功能的模块构成。研究成果为网络舆情监控系统开发提供比较完整的解决方案。     

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。     

微博数据获取技术及展望

作为一种新兴的社会媒体形式,微博集博客、媒体、即时通讯功能于一身,兼具平台多样、传播迅速、交互性强等特点,在舆论传播方面发挥了重要作用。文中介绍了微博的基本概念,系统概括了微博数据获取的主流方法,总结了微博数据获取条件的选择方法和微博数据的表达方法,并讨论了数据获取中的瓶颈问题,给出了该领域中尚需解决的关键问题以及未来的发展方向。     

基于大数据技术的网络舆情分析系统研究

基于对大数据技术下网络舆情分析系统的研究,文章阐述了大数据技术和网络舆情的基本内容;分析了大数据技术下的网络舆情分析系统,包括系统功能、关键技术、模型设计等;强调了对大数据技术进行合理应用的重要性,以确保系统设计合理,发挥系统优势.     

基于以太网通信的远程监护系统的设计

实现以太网互联是当前嵌入式系统发展的热点领域和重要方向,这里提出一种将internet技术应用于嵌入式分布式远程监控系统中的方法,将嵌入式系统与web技术相结合进行监控系统web服务器的开发。详细介绍了dspic33f单片机以及ENC28j60以太网控制器的嵌入式web服务器系统的设计,包括其硬件构成及软件设计,不仅使现场设备得到了更高效地控制,也为企业的管理人员提供了一个更好的监控平台。     

基于MMA7260Q的矿震监测系统设计

给出了一种基于三轴加速度传感器MMA7260Q的矿震监测系统设计。该系统由安装在矿井内各巷道和工作面的测量节点和上位机组成,各测量节点和上位机之间通过CAN总线连接,测量节点实现了对矿震信息的现场采集、显示和越限报警,同时通过CAN总线传送到上位机上实现远程监视、同步越限报警和矿震位置定位等功能,适用于矿井发生矿震事故时快速报警和引导撤离。     

基于胜任力模型的社交网络意见领袖识别方法

提出了社交网络意见领袖的胜任力模型,模型中包括社交网络意见领袖所应具有的信息生产、信息传播以及信息影响3大能力要素及各个显性和隐性行为指标。根据胜任力模型,将社交网络用户划分为普通大众、活跃分子、主题意见领袖和网络意见领袖等4类,设计了意见领袖的层次筛选流程和筛选实验系统框架。以采集到的新浪微博数据为例,通过整合主题分类工具MALLET及多种社交网络分析工具,再采用Python语言针对特定功能编程,实现了意见领袖的识别。实验验证了识别模型的有效性和层次筛选方法的可行性。     

基于大数据和人工智能进行网络舆情分析的研究

随着互联网、移动互联网、物联网、社交网络等技术和应用的兴起,媒体技术的革命正在造就一个全新的舆论环境,网上言论已达到前所未有的活跃程度,互联网日益成为社会各阶层利益表达、情感宣泄和思想碰撞的平台,进而产生巨大的舆论信息。面对网络上产生的海量信息数据,快速筛选出有用的网络舆情信息,通过网络舆情分析、监控民情意见、情感倾向,为相关部门提供及时的协助决策和分析结果,快速形成处理网络上突发性群体事件的可行性方案,是保障大数据舆论监督有效性的关键。文章提出了一种基于大数据云计算、信息预处理优化聚类算法及中文NLP(自然语言处理)情感倾向分析算法的人工智能网络舆情分析平台。加快有效信息的筛选速度及民情导向的分析速度,保证在海量网络数据的环境下,舆论监控工作的及时性和有效性。最后通过实验,与传统的统计式大数据信息分析系统进行比较,该方法具有信息收敛速度快、信息分析高效,可靠性高,特别是在做好重点关注领域的分类训练后,随着采集数据量的增长,对舆情导向分析结果也更准确。     

基于能量优化的微博用户转发行为预测

微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF（Markov Random Field）能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.     

基于胶囊网络的中长微博情感分析

针对通过微博文本获取用户情感倾向,以提高舆情监控效率的问题。利用深度学习的方法实现微博语料的情感分类,构建符合近年文本长度分布特点的高质量微博情感分类数据集,分析微博文本长度对情感分类的影响。由于中长语料主观性强、句子关联度弱,其检测准确率偏低。针对此问题,本文提出一种基于胶囊网络的中长微博情感分析模型。采用注意力机制,在融合局部特征与全局特征的基础上,利用胶囊向量实现深层情感特征提取,提高中长语料的检测效果。利用本文搜集的数据集进行实验,结果表明,相较于多种深度学习算法,本文模型性能更佳。在不同文本长度语料的对比实验中,伴随着文本长度的增加,分类准确率逐渐降低。相较于传统的LSTM算法,本文模型随文本长度增加效果提升,证明了该模型针对中长微博文本情感分类的可行性。