突发事件网络舆情信息分类方法研究

根据公共安全网络舆情研究的需求,将文本分类技术应用于突发事件应急管理中,提出了基于TFIDF分类方法的突发事件引发的网络舆情信息分类方法,设计类别样本并读入新闻文本,对文本进行中文分词,通过计算新闻文本和类别样本的相似度将新闻文本分到相似度最大的类别之中。通过编程实现了按照事件类型和地理位置两种分类方式对新闻文本进行分类,程序分类结果验证了该方法的实用性。     

网络舆情热点话题聚类方法研究

主流的热点追踪算法都采用文本聚类技术来实现,在处理海量网页时,很难精准聚合中心结果,离需要的热点差距太远.现有的网络舆情系统监控的范围受限于使用者给出的关键词,使系统无法监测使用者未知的突发事件.针对网络舆情发生和传播特点,改善舆情信息采集策略;网络舆情的相关页面标题文字主题鲜明,据此提出自动挖掘热点关键词并根据关键词进行话题聚类的方法;根据新闻、论坛和博客的不同特点分别设计网络舆情热点分析模型.在此基础上,设计并实现了一个网络舆情监测系统.系统实际运行表明,该方案可以及时发掘热点话题并对突发事件实时追踪监测.     

基于相对信息熵和语言加权算子的网络舆情突发事件模糊多指标应急决策方法

在仔细分析网络舆情突发事件的成因与应急决策特性的基础上,从舆情状态、突发事件本身和民众关注3方面构建 网络舆情突发事件的属性指标。考虑到网络舆情突发事件指标的语言不确定性和多样性,以及应急专家对舆情事件危机评价的语言判断矩阵差异性,本文提出一个基于相对信息熵和语言加权算子的网络舆情突发事件模糊多指标群决策模型。首先根据应急指标重要性的判断矩阵,计算出每个专家对各指标权重的评价;然后基于相对熵的多属性组合赋权方法来获取应急专家的权重,计算得出各舆情事件指标的综合权重;再根据各应急专家对网络舆情事件的语言指 标评价值,利用语言加权算术平均算子,集结得到各网络舆情突发事件的综合决策评价值,进而对各舆情事件危机程度快速排序。最后,通过一个实例来证明本文方法的实用性。     

情感词汇Ontology驱动的话题倾向性计算

针对“未然态”的舆情信息,挖掘网络热点、焦点及敏感话题,把握舆情动态,提高处置与监管网络突发事件能力等,是舆情分析的重要研究内容。对基于情感词汇Ontology的话题倾向性进行了研究。通过计算与情感词汇Ontology中情感词汇的语义相似度、统计话题语料中情感特征词汇的词频,计算语料中情感特征词汇的倾向性权重;根据情感特征词汇的倾向性权重计算话题倾向性强度和整体倾向性。最后在情感词汇Ontology指导下对话题中每篇语料的情感分类和倾向性强度进行规范化细粒度标注。     

引入时间机制的网络舆情演化分析方法研究

网络舆情的迅速发展使舆情发展成为研究热点,它对舆情的预测预警具有重要意义。从文本聚类入手,针对舆情的演化分析过程,在时间序列上进行K-means聚类研究,得到聚类中心,又依此对聚类中的词频统计进行时序加权处理,使统计所得关键词更具有代表性。通过对时间聚类法和时序加权统计法所得关键词的分析,得到了舆情演化的趋势。研究结果表明该方法降低了聚类的维数,减少了噪声,提高了聚类的准确度,增强了演化分析的可信度。     

基于语义网络的舆情信息分类方法

针对多数舆情监控系统对领域知识考虑不足的问题,提出一种基于语义网络的舆情信息分类方法。运用逆文档词频技术拓展公开知识图谱,利用语义网络对舆情信息进行建模,以语义网络中概念节点的映射值表示舆情信息,通过相关概念的互相映射产生增益从而突出舆情信息主题,且可根据舆情信息中的概念发现文中未显式的相关概念,从而反映舆情信息的总体情况。结合主流分类器进行对比实验,结果表明基于语义网络的舆情信息分类技术具有更好的分类效果。     

加强网络管理 构建新型网络舆情系统

网络舆情突发事件的监测与分析具有重要的理论意义与实际应用价值。为保证舆情分析的准确性和及时性,基于现有的舆情挖掘和分析理论进行改进,从Web、Blog和BBS等多个通道获取舆情信息;采用多任务技术提高网络舆情突发事件信息获取速度;采用目标可定制技术规避海量信息处理的压力;舆情敏感信息扩散跟踪可以及时发现突发事件的爆发源头。     

网络舆情监控中新词识别问题的研究

在网络舆情监控中,由于事件的突发性和网络词汇的泛滥,各种各样的新兴词汇以及新的字符串大量涌现,而有穷的分词词典对新词的识别基本上无能为力,这些无法识别的字符串将被现有的分词系统分为零散的碎片,这将极大地影响热点词和主题词提取的准确性,成为网络舆情监控系统性能提升的瓶颈。文中分析了当前主要的几种分词技术的优缺点,利用网络舆情监控中未被词典收录的主题词的局部高频这一特性,通过计算异常分词与周围分词之间的粘结度,从而识别出未被词典收录的主题词。实验结果表明：所提出的分词算法能识别出未被词典收录的主题词,相比传统的分词算法,更加适合于网络舆情监控。     

基于犹豫模糊集的网络舆情突发事件应急群决策方法

考虑决策者在时间紧急及信息不完备的情况下给出评估值时可能会出现犹豫不决的情况,提出基于犹豫模糊集的网络舆情突发事件应急群决策法.首先,通过犹豫模糊信息熵及交叉熵建立各评价指标的权重确定模型;其次,利用犹豫模糊加权平均算子及得分函数计算各突发事件评价指标的犹豫模糊评估值得分;然后结合各评价指标的权重值及评估值得分,计算出各网络舆情突发事件综合危害性得分,进而辅助应急部门确定各网络舆情突发事件的处置顺序;最后通过案例分析证明了方法的有效性.     

论网络舆情监测系统中关键词智能追踪模型的建立

本通过分析舆情信息采集策略,提出智能化的关键词追踪模型,通过关键词智能追踪模型的应用,网络舆情监测系统能及时抓取热点事件的热点关键词,从而实现网络舆情监控系统对热点事件发展趋势的灵敏响应,并为网络舆情热点事件的预警提供数据支持。简单来说关键词智能追踪模型就是以一定的关键词权重算法为基础,依据舆情事件变化速度,通过多次的反复的归纳计算,对之前选取的关键词进行修改、调整和校对的过程。     

面向应急管理的事故和灾害网络舆情监管系统

系统基于Hadoop框架,利用MapReduce编程模型,采用K-means聚类算法,结合实际舆情处置工作流程,将舆情监测、处理、分析、上传下达等功能融为一体.面向应急管理服务,针对主要灾害及政务类网络信息开展全天候监测,第一时间获取事件与灾害"原生态"舆情数据,并实现热点话题的快速识别与跟踪处理.通过省-市-区三级用...     

基于自然语言处理的防洪重大事件新闻舆情分析—以长江5号洪水为例

目前对防洪重大事件新闻舆情研究较少,针对今日头条平台中关于长江 5 号洪水过境重庆期间,头条新闻的新闻报道和公众评论组成的新闻舆情进行研究。基于自然语言处理的中文分词、LDA 主题模型等方法对由新闻报道和公众评论建立的语料进行探究,通过添加防洪先验知识改进 LDA 主题模型挖掘效果,从起始、集中、衰退 3 个阶段进行舆情发展思考,从新闻媒体和公众 2 个方面对洪水过境重庆的热度和主题 2 个维度组成的热点进行分析,提出防洪重大事件新闻舆情挖掘分析框架。分析结果表明：新闻舆情时间性强,热度、主题与时间关联度高,新闻舆情热点演化过程与洪水演进过程基本一致,可为政府部门把握舆情演化路径、提前做好舆情预警、掌握舆论主动权提供参考。     

中文分词技术在搜索引擎中的应用研究

中文分词作为机器翻译、文本分类、主题词提取以及信息检索的基础环节,近年来得到了广泛的关注。搜索引擎技术的广泛应用和中文信息处理的发展,使得全文检索和中文分词技术的研究逐渐深入,涌现出了众多优秀的中文分词算法。本文结合中文分词算法的研究现状,分析了分词技术与搜索引擎的信息检索相结合需要解决的关键技术问题,并讨论了中文分词技术在搜索引擎中的应用。     

一种搜索引擎日志分析的网络舆情监测探究

近几年来,随着互联网信息技术的不断发展,电脑已得到广泛普及.而网民逐渐开始应用网络论坛、博客、微博纷纷对社会事务发表看法,由此而形成网络舆情,已成为社会舆情的重要表现形式.由于网络舆情具有传播速度快、范围广且突发的特点,加强其监测已受到政府部门的重视.本文特提出一种搜索引擎日志分析的网络舆情监测方法,以望对后期网络舆情监测工作提供参考借鉴.     

刍议网络舆情的处理

随着网络的普及,网络逐渐成为公众发表言论重要通道,是民意表达的重要场所的,加强网上舆情引导,是新时期公安机关处置网络突发事件的关键。本文介绍了网络舆情的特点,并介绍了其形成方式与不当处理后可能会导致的危害,然后说明了政府机关在对待网络舆情中应该扮演的角色,最后总结出一些处理网络舆情事件时带有共性的方法。     

基于语义模式与词汇情感倾向的舆情态势研究

针对互联网上的舆论信息传播速度快,对社会造成巨大影响这一问题,社会管理者应该进行及时的舆情分析,从而进行有效控制和引导,避免形成更大的社会影响和危害.为了从网络信息中分析网络舆情的发展态势,将文本情感分析技术应用于网络舆情研究.针对网络舆情的话题评论,采用语义模式和词汇情感倾向相结合的方法,并形成了一种判定算法,该算法比较全面地判定话题评论的情感倾向性,把握网络舆情的正面或负面导向性.实验结果表明了该方法的有效性和准确性.