网络舆情研究综述

面对舆情载体已从传统媒体向互联网转移的新形势,从网络舆情基本理论、网络舆情研究的主要技术两个方面对我国网络舆情研究进行了梳理,并对国内网络舆情研究现状进行了分析.     

地方政府应对网络舆情监控的初探研究

互联网信息瞬间万变,网络舆情包罗万象,如何正确应对网络舆情,提高地方政府社会管理水平,不断增强政府公信力,成为摆在各地方政府面前的重大课题。本文从国内外网络舆情的现状特点,对地方政府应对网络舆情监控的进行了一些初浅的探讨分析,来有效提升地方政府处理网络舆情的能力。     

网络舆情危机的预警方法概述

论述了网络舆情监控的重要性,并据此总结了目前研究较多的网络舆情危机预警方法,包括基于情感倾向性分析技术的预警、基于网络舆情晴雨表的预警、基于指标的预警体系、基于Web数据挖掘的预警、基于模糊推理的网络舆情预警方法等。认为基于计算机网络技术和文本分析处理技术的互联网舆情监控系统将会越来越多引起人们的关注。     

互联网数据在高校大数据平台中的应用研究

互联网数据是高校大数据平台应用的重要数据来源,该文主要阐述了高校大数据平台的技术架构,并在此基础上提出了互联网数据的重要价值,分析了高校大数据应用中专业数据、资讯数据和网络舆情数据三大主要互联网数据构成,并对应用模式和应用场景进行了研究。提出并阐述了学科大数据分析、网络舆情监测、情报大数据分析、校友大数据分析等高校互联网数据大数据应用场景。     

DeepOpinion:一种网络舆情深度分析与引导系统

在广泛调研以往互联网舆情系统存在的一些问题和不足的基础之上,研发了一套互联网舆情深度分析与引导系统DeepOpinion。该系统从用户、主题、情感三个方面对互联网舆情进行分析,并通过信息检索和内容定制技术对所关注的网络舆情进行适当引导。以天涯杂谈板块为网络舆情来源、以“辱母杀人案”事件为具体案例对系统功能进行了验证,结果表明DeepOpinion系统在互联网舆情深度分析与引导中发挥重要作用。     

互联网舆情热点分析统计方法研究

随着互联网络快速发展，互联网日益成为舆情产生和传播的重要场所，网络舆情在社会生活中扮演着越来越重要的作用。为了加强互联网管理和监控，开展互联网舆情信息的监测与分析，已经成为目前各级政府部门面临的急需解决的现实问题。互联网舆情监测分析系统可以实现针对互联网海量舆情自动实时的监测分析，有效地解决政府部门以传统的人工方式对舆情监测的实施难题。     

基于主题发现的舆情分析系统的设计与实现

开发了一套由中文分词、向量空间模型建立(VSM)、特征提取、降维处理和文本聚类等模块组成的舆情分析系统,实现互联网舆情信息的主题发现;在舆情分析系统的实现过程中,提出了一种K-means改进算法。实验证明,改进后的算法在查全率和查准率上都有了一定的提高,能够得到较高且稳定的准确率。     

当代互联网舆情的功能问题研究

互联网舆情己成为舆情世界中的主要成员之一，不论是建构正常的社会秩序，还是巩固党的群众基础，维护国家的良好形象，提高中华民族的自尊心，捍卫国家的信息主权，都迫切需要党和政府加强对互联网舆情的引导工作。     

基于智能分析的高校网络舆情信息系统研究

针对新媒体和互联网海量信息的出现,本文深入研究了舆情信息智能分析技术,提出了高校网络舆情信息系统的构建方案,以提高高校网络舆情信息的快速获取和准确分析的能力。     

网络爬虫在舆情监测中的应用研究

互联网技术的迅速发展,使得其在当今社会中承载传递的信息日趋增大,在给人们的生活带来方便的同时,也给相关领域的网络舆情管理工作带来了一定压力。爬虫技术是互联网搜索引擎通过一定的指令性程序,对网页进行信息提取技术,是当前有针对性地进行舆情的基础要素。以网络爬虫技术在舆情分析中的应用为中心展开讨论,介绍了互联网舆情检索技术的基本构成,分析了爬虫技术的特点,提出了优化网络爬虫技术的相关方案,同时通过实例进行了验证,具有一定的借鉴价值。     

网络舆情态势分析研究

对网络舆情的分析已引起人们的高度重视,因为网络舆情热点具有导向性作用,如"某某门"事件,在短短60小时过后就引起监察部门的注意,这只有在日益流行的网络应用的今天才可能做到.分析网络舆情热点的手段多种多样,角度不同,如:可利用文本聚类的方法、动态文摘生成的方法以及意见领袖特征等方法来发现网络舆情中的热点和焦点信息.截止目前,分析网络舆情热点的方法没有固定的模式,值得深入探讨和研究.针对目前网络舆情研究的典型方法及其思想,进行概述性分析,给出网络舆情分析中词频、权重特征词、意见领袖属性矩阵等概念的形式化定义.本文作者通过对比分析,比较研究了网络舆情方法的优缺点;总结了国际上在这一领域的最新研究进展和研究方法,给出下一步的研究工作重点.     

一种逻辑模型树算法在网络舆情中的谣言检测

网络舆情中的谣言对社会危害极大,因此有效地检测网络舆情中的谣言已是当务之急.目前,一些单一机器学习算法被相继应用到谣言检测中.针对这些单一机器学习算法在分类上的局限性,将一种融合逻辑回归与决策树的逻辑模型树方法用于谣言检测上.根据舆情分析报告上采集的数据集,实验结果表明:组合模型逻辑模型树的分类预测准确率比已应用到谣言检测的单一机器学习算法明显要高,逻辑模型树是一种有效的谣言检测方法.     

探析我国网络舆论监督的完善途径

网络舆论监督是一把双刃剑:一方面,它促进了我国民主政治建设;另一方面,它损害了公共利益和他人权利。该文通过对网络舆论监督现状的分析,提出引导和规范我国网络舆论监督的途径和方法:政府信息进一步公开;发挥好主流网站及其论坛的作用;网络舆论监督法治化;网络舆论监控系统的完善;加强网络媒体和网民的自律建设。     

网络舆情追踪中热点关键词的提取

传统的基于文本聚类的网络舆情热点追踪算法,在处理海量网页时,文本聚类速度过低,聚合结果较差.提出了一种基于关键词提取的网络舆情热点追踪方案,并根据新闻、论坛和博客的不同特点分别设计了热点分析模型.通过在笔者开发的啄木鸟网络舆情系统上的实际验证表明,该方案行之有效,热点分析模型识别热点准确率高.     

网络舆情引导对高校学生工作的现实价值

网络舆情引导作为新时期学生工作的重要方法,是现代心理学、教育学、社会学、运筹学等多学科理论与学校教育实践相结合的产物;是学生工作者向大学生传播信息、沟通意见的基本方法;是学生工作以人为本的具体体现;是构建和谐校园的重要途径。网络舆情引导对高校学生工作具有导向价值、调节价值和凝聚价值。     

旅游网络舆情事件的时空分布与演化规律分析——以海南旅游热点事件为例

以最近海南主要旅游热点事件为例,分析旅游网络舆情热点事件的时空分布和演化发展规律;从事件传播途径、特点、传播速度、波及范围和事件衍生性探讨媒体、网民、政府三位一体的传播模式.研究发现,旅游网络舆情事件具有传播速度快、周期短但范围广的分布特点以及普通事件上升为热点事件,单一旅游事件引发相关串联事件,个别事件形成一组事件的演化规律.     

网络舆论干预司法公正的现象和危害

在司法实践中,由于判决不公、报道不当等原因,出现了网络舆论干预司法判决的现象,甚至＂媒体审判＂,具体案例有云南李昌奎案及赛锐27刀捅死女孩案、药家鑫案及药父诉张显侵犯名誉权案、彭宇案翻案及小悦悦案等。这对我国法制社会建设进程是很不利的,会产生超越监督界限、增大法官压力,引起舆论争议、浪费优质资源,损害司法权威、降低司法公信力等危害。网络干预的始作俑者是司法不够公正,并且网络的力量确实帮助部分受害者获得了公平,但这并不能说明网络干预就是完全正义的。司法判决的唯一依据是且只能是法律和事实,要减少网络舆论对司法判决的干预必须从源头做起,需要每个司法工作者都做到严格执法、秉公执法。     

基于多层次灰色评价方法的突发事件网络舆情热度评价研究

突发事件由于前兆不充分,在网络E事件的影响力极易被无限放大,将严重危害社会的和谐与稳定,对突发事件网络舆情热度评价是把握突发事件发展方向的重要内容．笔者在已有突发事件网络舆情热度评价指标体系的基础上,采用定性分析和定量分析相结合的方法,建立了基于灰色评价法和层次分析法相结合的突发事件网络舆情热度评价模型,并以2009年杭州飙车案进行了实证研究．通过实证表明,灰色层次评价法科学合理,简单易行,对突发事件网络舆情热度评价具有良好的效果．     

基于关键词分析的网络舆情变化规律

中国的网络民意表达已经进入移动互联时代,网络舆情会经历舆论潜伏、网络围观、争辩聚合和影响消退4个阶段,变化过程中集聚效应明显.从量变到质变,网络舆情可以通过“关键词”的计算来确定网络舆情各阶段临界值.同时,根据网络舆情变化规律,可绘制出不规则锯齿型、金字塔型、冰川型3大类曲线图.因此,研究网络舆情变化规律,对于降低网络群体性事件的发生概率,维护社会稳定和政府形象,具有相当重要的现实意义.     

A High-Performance Extraction Method for Public Opinion on Internet

Aiming at the importance of the analysis for public opinion on Internet, the authors propose a high-performance extraction method for public opinion. In this method, the space model for classification is adopted to describe the relationship between words and categories. The combined feature selection method is used to remove noisy words from the original feature space effectively. Then the category weight of words is calculated by the improved formula combining the frequency of words and distribution of words. Finally, the class weights of the not-categorized documents based on the category weight of words are obtained for realizing opinion extraction. Experiment results show that the method has comparatively high classification and good stability.