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。     

网络舆情热点信息自动发现方法

根据公共安全网络舆情研究的需求,将中文分词技术应用于突发事件应急管理中,提出基于ICTCLAS分词技术的网络舆情热点信息的自动发现方法。该方法读入新闻文本并进行分词和词频统计,从词频表中去除停用词,合并多单位关键词得到突发事件热点信息关键词列表,对网络信息及时进行检索,为突发事件应急决策提供技术支持。通过1个突发事件的实例验证了该方法的实用性和可靠性。     

面向舆情监测的话题追踪方法

针对舆情监测需要根据关键词来对特定话题进行追踪的应用场景,以及舆情新闻数据容易遗漏、关键词不完整、话题会产生漂移的难点,提出了一种面向舆情监测的话题追踪方法.首先通过对话题关键词进行加权的TextRank算法来提取有倾向的关键词作为文本特征表示,进而提升追踪效果;其次针对关键词不完全的问题,对舆情数据进行分析,通过点互信息对话题关键词进行补全;最后针对话题漂移的现象,在话题追踪过程中根据关键词衰减指数对话题关键词进行动态调整.实验表明,论文提出的方法在面向舆情监测的话题追踪任务上取得了较好的效果.     

基于微格式的分布式网络舆情监测系统

为解决集中式舆情监测系统中的误报率较高、响应不及时等问题,提出一种基于微格式的分布式舆情监测系统。给出该系统的组织结构模型、数据的组织结构和处理流程。根据话题的功率谱估计实现基于微格式的网络监测热点发现,构建基于成分的聚类预测模型对当前热点话题进行管理,并选择合适的应对措施。仿真实验结果证明,与SmartC系统相比,该系统具有较高的舆情处理精度和响应处理效率。     

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。     

高校BBS舆情监测系统设计与实现

基于旁路模式实时分析还原出高校论坛的帖子内容作为论坛舆情监测的数据源,根据用户访问论坛的网络数据流分布符合幂率特征设计了一种高效的改进型LC（Lossy Counting）数据流频繁模式挖掘算法分析论坛的访问热点,采用增量层次聚类算法对还原出的主题内容进行聚类的舆情分析系统;同时提供管理模块可以限制敏感话题的访问范围。系统经过一段时间的运行,证明能够准确监视论坛的舆情动向。     

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...     

基于藏文网络的舆情传播模型

通过研究网络舆情传播的发展现状、趋势及特点,介绍了藏文网络舆情传播的特点和作用.根据复杂网络理论的研究方法对藏文网络舆情传播规律进行实证分析,设计了一个藏文网络舆情模型结构.研究表明,通过聚类可以提高藏文网络舆情的准确性,Web挖掘能够有效地从藏文网络上获取并分析相关舆情信息.     

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。     

基于粒子群的舆情网络用户聚类模拟与仿真

当前对网络奥情的研究大多集中于突发事件的传播规律及预警分析,而忽视了用户在奥情传播中的主体位 置。针对这一问题,引入“观念空间”的概念,使用粒子群算法对突发事件传播中用户的观念聚类过程进行模拟和仿 真。根据用户观念的聚类结果分析事件的动态演化模型,识别热点事件。通过改变速度参数控制用户聚类收敛速度, 进而协调事件的演化过程,同时实现对网络热点事件的识别和舆情预警。最后分别对基于基本PSO和基于物种遗传 策略的PSOCSPSO)算法的用户聚类行为进行了仿真,实验结果表明,SPS<)算法能够有效地模拟奥情网络中用户的 聚类行为,同时发现多个用户聚类中心,有利于制定自适应的奥情预警应对策略。