浅谈基于网络安全技术的高等职业院校网络舆情对策

本文通过分析我国网络舆情的现状,高职网络舆情的特点,基于网络安全技术,提出了解决高职网络舆情的对策.     

数据挖掘技术在网络舆情危机管理中的应用研究

网络舆情危机事件发生后,能否对网络舆情危机进行有效管理,关系到舆情危机的成功处理,也事关社会的和谐与发展.因此,加强网络舆情危机事件的管理研究,对提升社会的危机管理能力具有重要意义.随着信息化技术快速发展,数据挖掘技术应用范围越加广泛,信息化管理在优化网络舆情危机的应对方法和改善舆情危机管理中发挥着重要作用.本次研究通过对数据挖掘技术在网络舆情危机管理中的融合特征进行分析的基础上,基于网络舆情危机管理现状,对数据挖掘技术在网络舆情危机管理中的应用进行了详尽论述.     

大数据时代的网络舆情分析系统

网络舆情是通过互联网传播的,公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点.面对数亿网民和浩如烟海的网络言论,网络舆情的监测和分析越来越依赖舆情大数据分析技术与平台.大数据的相关技术目前应用最成熟的是由Apache基金会提出的Hadoop解决方案,将Hadoop技术应用于网络舆情分析系统,可以有效适应海量数据的处理需要.     

政府网络舆情监控系统的实现

互联网以其便捷、虚拟化、传播快等特点使大众更乐于通过网络方式发表各自看法,形成网络舆情。政府通过构建网络舆情系统,及时了解社情民意,主导网络舆情。从网络舆情系统技术实现方面,介绍了舆情系统进行舆情收集、分析、预警、报告的整个过程,详细论述各个过程实现的关键技术,从而为理解和构建政府舆情监控系统提供参考。     

网络舆情演进特质分析

从国内网络舆情传播特性分析入手,指出小世界网络模型下的网络舆情演进特点,综合分析网络舆情的4类主体特征和国内网民4类行为特征,通过对网络用户主体行为特征、行为动机和网络关系进行合理抽象,探究在信息社会环境交融影响之下,对网络舆情动态演进的影响权重。     

基于K-means聚类的网络舆情监控系统

描述了一个网络舆情监控系统的设计与实现方法。系统由舆情信息采集及预处理、舆情分析和舆情服务组成,通过网络爬虫对网页内容进行提取,运用DOM树获得文本信息,并进行网页的去重,运用ICTCLAS进行分词,提取特征词并构建VSM向量空间模型,通过k-means聚类算法获得热点话题,并利用HowNet进行文本情感倾向性分析。提高了网络舆情监控与分析的准确性、即时性,为正确地引导舆论提供了分析依据。     

一种基于模糊理论融合证据理论的网络舆情评估方法

文章通过对国内外网络舆情分析现状的研究以及综合各种文献资料,结合模糊理论与D-S证据理论提出了一种基于模糊理论融合证据理论进行网络舆情评估的方法。此方法根据舆情要素与舆情评估的对应关系,通过模糊理论对舆情信息建立隶属度函数,得出不同渠道的舆情状态,然后用证据理论把每个渠道的舆情状态当作一组证据,通过证据合并,最终得网络舆情评估信息。     

人工蜂群聚类的多媒体网络舆情数据挖掘

阐述多媒体网络舆情数据分布的图谱结构模型,采用人工蜂群轨迹图谱特征分析方法,构建多媒体网络舆情数据的循环查询模型,通过关键词查询和模式查询方法,进行多媒体网络舆情数据的人工蜂群聚类分析,结合数据存储结构分析和联合参数特征分析方法,进行多媒体网络舆情数据图谱参数融合和聚类,实现多媒体网络舆情数据挖掘。仿真结果表明,采用该方法进行多媒体网络舆情数据的精度较高,图谱辨识能力较好。     

基于系统动力学的网络舆情驱动力模型研究

网络舆情作为社会舆情在互联网空间的映射,反过来影响着社会实体事件的发展进程。提升网络舆情处置能力,已成为管理部门的一项重要任务。分析了网络舆情的传播规律及其特点,利用系统动力学分析了网络舆论生态传播系统的驱动因素,通过因果回路图对因素之间的关系进行定性分析,并建立网络舆情驱动力模型。最后,对该模型进行仿真分析,以期提出积极管理网络舆情传播的建议。     

互联网舆情监管系统设计思路探索

互联网时代,监管工作有了新要求、新标点,从舆情监管业务出发,向我们提出新的问题,通过舆情监测系统,我们可以在浩瀚无际的互联网中获得我们关注的舆情信息,通过对信息的分析,可以有效的净化网络环境,所以舆情监管系统的建设与技术应用十分重要.     

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。     

网络事件热度分析系统研究

走入21世纪,网络成为反映社会舆论情况的最主要手段.每一个社会问题都可能会引起广大民众的反响,对社会的影响也是一触即发,所以一个对网络事件进行监测、度量分析的智能化,体制化和全面的系统是十分必要的.网络事件热度分析系统可根据配置,对各种网络舆情事件的热度和数据源进行分析.为相关政府机构进行网络舆情事件的监测和分析提供决策参考.该系统将会使互联网可以及时掌握各种评论等信息走向,为建设健康互联网社会埋下重要的铺垫.     

浅谈大数据时代政府网络舆情管理策略

21世纪是信息技术飞速发展的时代,人们的生产生活中越发依赖信息技术,信息技术提高了生产效率、提升了生活质量,为人们带来了诸多便捷。但信息技术的运用也存在许多问题,人们对于互联网的应用越发广泛,同时也会接触多元化的信息,易受网络环境的影响,此时应发挥政府网络舆情管理的作用,减少网络舆情所带来的负面影响,保证社会发展的稳定性。文章主要针对大数据时代政府网络舆情管理的相关内容进行分析,作出了如下阐述。     

高校网络舆情分析系统的探究

随着网络技术在高校的迅速普及和发展,大学生的学习生活越来越依赖于互联网,由于大学生常常对网络虚拟社区中的“焦点”、“热点”问题发表一些具有明显负面性的意见或者言论,导致负面的信息在互联网上迅速传播,而这些负面的高校网络舆情如果不加以适当控制可能会对学校甚至社会带来消极的影响。本文致力于高校网络舆情分析系统的研究,力求寻找有效途经,探索新方法,开拓新思路,为加强高校网络舆情监管体制的实效性提供有益的帮助。     

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。     

网络舆情的云计算监测模式分析与实现

针对传统网络舆情监测方式的不足,选取较为成熟的云计算架构,采用统一收集各局域网日志,并对海量数据使用云计算技术进行存储和分析的方法,提出了一种网络舆情云计算监测模式及其具体实现方法,并通过实验给出在设备配置、分析效率等方面有参考意义的实验数据。     

基于数据挖掘技术的网络热门舆情分类研究

以提升网络热门舆情分类准确率,降低分类时间为目标,提出了基于数据挖掘技术的网络热门舆情分类方法.将小波核函数和支持向量机结合构成小波模糊支持向量机,采用增量学习机制和贝叶斯分类算法建立增量贝叶斯分类算法,组成小波模糊支持向量机-增量贝叶斯分类算法解决测试样本易分类失误以及类条件独立假定性很难获取问题,通过计算待测样本和...     

大数据在融媒体及网络舆情中的应用

主要就大数据在融媒体和网络舆情两个应用层方面进行了分析,进而说明该技术对融媒体发展和网络舆情方面有很大促进作用,应积极加以利用并推广。在新形势和新发展下,传统媒体纷纷开始资源整合共享,集中处理数据,精准选择传播受众。借助大数据的应用,以数据为支撑,以智能为驱动,发挥关键优势,助力媒体融合,打造舆论新生态。     

大数据时代的政府网络舆情监测系统研究

本文围绕大数据时代政府如何加强网络舆情的监测、预警以及分析、引导，如何建设网络舆情监测系统开展研究，对维护政府形象，加强社会公共管理，实现社会的和谐具有十分重要的意义。     

浅析数据加密技术在计算机网络安全中的应用

现如今,大数据已走进大众的工作与生活,随着海量数据的快速增长,网络技术的高速发展以及上网移动终端的日益普及,可以在短时间内完成大量的数据传送,这也导致潜在的安全风险越发严重,网络中的部分数据存在被人秘密窃取的可能性。