面向网络舆情的无监督演化趋势评估方法

针对网络舆情突发性强、标注数据较少且管控资源有限等问题,提出了一种网络舆情演化趋势评估无监督学习算法,筛选演化趋势重要的舆情事件进行优先管控,提升网络监管的工作效率。针对舆情事件并发性强的特点,利用多指标排序算法对舆情演化趋势重要性评估问题进行形式化描述;针对舆情突发性强、难以获得大量标注数据的问题,利用主曲线排序算法对舆情演化趋势重要性评估问题进行建模,采用3阶贝塞尔曲线进行模型求解,充分利用评估指标中的顺序关系和数值关系;结合典型公开数据集和自主构建的舆情数据集对所提算法进行了验证分析,实验结果表明,所提算法可在无标注数据的情况下实现舆情事件演化态势重要性的评估,为资源有限情况下的舆情事件管控提供决策支撑。     

旅游危机事件网络舆情应对水平的评价研究:基于灰色统计和熵权TOPSIS方法

舆情应对是旅游危机事件网络舆情管理的重要环节,对舆情应对水平进行评价是提高网络舆情管理能力的必要途径。通过文献研究和经验归纳,提出旅游危机事件网络舆情应对水平评价的初始评价指标集;为保证指标体系的有效性和可操作性,基于专家问卷获取的决策数据,运用灰色统计方法对指标进行筛选,对初始指标集进行精简和优化,最终指标体系包括舆情应对的响应、沟通和善后情况3个维度15个指标;为克服传统赋权方法的主观性,使用熵权法确定指标权重,采用加权TOPSIS方法对14个典型案例的网络舆情应对水平进行评价,评价结果与实际情况的吻合程度较高。研究设计的网络舆情应对水平评价指标体系,采用的指标筛选、权重获得和综合评价方法,对提高旅游危机事件网络舆情的应对水平具有一定的理论和实践价值。     

模糊语言环境下的网络舆情突发事件应急群决策模型

在分析网络舆情突发事件的成因和应急决策特性的基础上,从舆情状态、突发事件警情和民众关注三个方面构建网络舆情突发事件应急决策的指标体系。由于舆情事件的不确定性、复杂性,单一方法难以做出有效的决策,本文提出一种综合模糊语言变量、加权欧式距离以及优先集成算子的针对舆情事件应急决策的模糊多属性群决策模型。以模糊语言变量给出舆情事件在属性下的评价,然后使用基于加权欧式距离的方法计算专家的决策评价与平均的群体评价之间的距离,以反向调整专家的初始权重,增强群体意见一致性。现实应急决策问题中,决策指标通常有不同的优先级,本文使用优先集成算子集成舆情事件决策信息,得到最终决策评价值,进而对各舆情事件按紧急度排序。最后,通过一个实例验证本文方法的有效性。     

高校网络舆情分析的K-Means算法优化研究

为提高高校网络舆情的可识别性和预警实时性,提高网络舆情热点分析的准确性,论文设计了一个高校网络舆情热点发现模型.包括网络舆情信息采集、预处理、中文分词、特征选择、文本分词和聚类分析.考虑到网络舆情的不确定性和模糊性,提出了一种基于信息熵和密度改进的K-Means聚类算法的网络舆情相似度分析方法,此方法可以对网络热点和危机事件进行聚类和识别.实验结果表明,该方法能够快速获得网络舆情,具有较高的聚类准确率,证明了论文提出的模型的可行性与有效性,可为高校网络舆情监测和识别提供重要的技术支持.     

网络舆情事件链演化分析

为防范舆情风险,分析网络舆情的细粒度演化,提出一种去冗余的衍生事件内容关联演化分析框架。通过文本挖掘技术从海量文本流中提取主要的衍生事件,将舆情内容压缩到人工可判读的数量级;利用词移距计算相邻两个时间片上的衍生事件相似度,构建反映演化关系的衍生事件链图。以“上海特斯拉自燃”事件为例进行事件链演化分析,得到微博网络舆情事件发展不同阶段涉事主体在各个衍生事件中的话题转移关系,最后鲁棒性分析的结果验证了该分析方法具有降低微博短文本冗余信息的能力,提高了事件演化关联识别分析的准确性。该研究方法为舆情事件的事后复盘、同类舆情事件的预判和介入、衍生事件的科学研判提供了决策支持。     

一种基于知识技术的网络舆情内容分析系统框架

概述了网络舆情内容分析的流程以及内容分析阶段需要完成的工作,详细介绍了基于知识技术的网络舆情内容分析系统框架的构建路径,即将知识技术引入网络舆情内容的分析过程,将信息预处理、信息聚类和分类、倾向性分析等关键技术手段与知识组织、知识表示、知识获取和知识挖掘等相关成果充分融合,将本体论和语义计算等技术与舆情分析相结合,建立基于知识技术的网络舆情内容分析框架,以提高网络舆情内容分析的准确度. 实验结果表明,基于知识技术的网络舆情内容分析系统达到了理想效果.     

基于信息生态学的高校网络舆情研究

基于生态信息学的视角,对高校网络舆情进行了生态要素分解,并对系统特征进行分析,总结高校网络舆情的诱因是由大学生主体和高校主体两方面共同影响。同时,从循环传播机制、组织平衡机制、净化优化机制、协同联动机制等4个方面对高校网络舆情生态系统的运行机制进行了剖析。最后,提出了高校网络舆情管理的优化策略,包括重视网络舆情信息资源监控、提高网络舆情主体素质、健全网络信息法制体系、加强信息技术平台建设等。     

基于大数据技术的网络舆情感知系统的分析与实现

随着大数据技术的日趋成熟,利用大数据技术实现对海量的网络舆情数据进行采集、分析和展示,对网络舆情信息感知度得到了很大的提升,可以准确地了解网络舆情的发展态势,把握群众的情绪,对舆情事件做出高效、正确的决策。利用分布式爬虫技术来抓取数据,文本分析技术进行数据预处理和数据清洗,对数据仓库的舆情信息进行处理、分析,实现了舆情的监测、舆情的分析和舆情报告。通过大数据技术挖掘网络舆情事件,能够快速准确地感知舆情信息,可以有效提升网络舆情的管控和预防能力。     

网络舆情模型研究

论文以网络舆情中帖子总量、发贴人数为基础建立数学模型得出相应的连续函数,然后用此函数对网络舆情的发展情况进行模拟,再利用离散化的计算方法进行量化。本文为网络舆情预警提供理论支持,并为管理者提供预警和辅助决策的科学依据。     

基于时序超网络模型的突发事件网络舆情热点话题发现与演化

网络舆情安全是社会安全的重要组成部分，识别和追踪热点话题是治理突发事件网络舆情的基础。现有研究具有网络舆情事件表征不全面、对于热点话题的识别和追踪局限于语义信息等问题。该研究基于社交、内容、话题、情感4个维度构造超网络模型，并引入时间特征作为网络的连接关系，用于定量表征时序的网络舆情事件；将话题节点在超网络中的中心性及中心性变化率作为话题热度的度量指标，实现热点话题发现及演化跟踪；应用“甘肃白银马拉松”微博舆情案例对模型和指标进行验证分析。研究结果表明：该时序超网络模型能够清晰表征突发网络舆情事件，中心性及中心性变化率指标能够准确识别和跟踪热点话题，并为实时态势研判预警、舆论引导等提供指导。     

基于大数据的城市内涝网络舆情监测及演化机理

城市内涝频发造成严重经济损失,危害城市安全和居民生活,影响城市可持续发展,受到广泛关注。采用大数据技术对城市内涝网络舆情进行动态监测,采用网络爬虫等数据挖掘方法动态采集城市内涝舆情数据,深度分析舆情热度演变趋势、关注要点和情感倾向。以"2018.7.16"北京市内涝事件为样本分析城市内涝事件舆情传播特征,揭示其动态演化机理。结果表明:舆情高发时间段与内涝多发期较为吻合,舆情热度与城市内涝事件的影响程度呈正相关。社会对于城市内涝重点关注内容为城市排水管网的建设、内涝灾情及救援进展。城市内涝事件舆情演变过程经历了潜伏期、爆发期、蔓延期、反复期及消退期五个阶段,舆情参与者在不同阶段作用机理动态变化。根据舆情演变特征提出相应对策,为内涝事件舆情应对提供决策支持。     

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。     

网络舆情危机及其应对机制研究

当前我国网络舆情影响力日趋增强,构建网络舆情危机的应对机制十分必要。网络舆情危机具有多元性、多变性、突发性、扩散性的特征,它会增加社会的不稳定因素,削弱政府公信力,影响政府决策,降低社会主流价值观的社会认同。要应对网络舆情危机,需要建立网络舆情危机监测预警机制,网络舆情互动机制、引导机制和网络舆情危机应对的协调联动机制。     

高校校园网络舆情及预警机制研究

针对高校校园网络舆情的内容、特点及存在的问题，提出高校校园网络舆情分析预警机制，构建网络舆情研判预警系统，促进高校大学生群体网络舆情的研判预警制度的建立与应用．为推动和谐校园的建设提供有效支持。     

基于大数据技术的高校网络舆情监测与分析

高校网络舆情具有主体特殊性、内容多元性和传播快速性等特点,当负面舆情出现时,传统"救火"式思维模式已不能有效地解决网络舆情危机的爆发、蔓延和扩散。高校应综合利用大数据的分布式信息抓取与处理、非结构化数据存储等技术,通过舆情热词云分析、舆情演化分析和业务部门关注度分析等方式,快速完成网络舆情数据的多源采集、清理融合、分析挖掘等一系列任务,实现网络舆情的有效监管。"厦理工e起来"的舆情案例应用结果表明,基于大数据技术的高校网络舆情监测与分析,可实现对高校学生思想动态的实时追踪、预测和研判,防范和及时解决高校网络舆情危机的蔓延和扩散,促进高校文明和谐发展。     

论高校网络舆情视角下的大学生思想政治教育

网络逐渐成为高校教师与学生知识的获取与思想的交流平台与渠道。网络舆情近年发展形势大好,受到了相关教育部门的重视。高校的管理者逐步加强校园的网络信息管理,为互联网提供了合理有效的平台。该文针对大学生这一群体进行全面的分析与考量,简要探讨了网络舆情的含义与作用,探讨了网络舆情对大学生的影响,并且分析了出现此类情况的原因,最后提出了合理建议。     

高校网络舆情事件的成因、影响及其应对

近些年,在网络社会发生或经网络传播、并经线下网上互动而演化的舆情突发事件呈频发之势。高等学校作为社会的重要结构单元,与之相关的或在高校发生的舆情事件其社会反响非常强烈。当下,作为“互联网一代”的“00后”大学生,是最活跃的网络参与主体,他们多数时候充当了校园网络舆情事件的主角;但网络参与的实践已经表明,他们中的多数同时也是舆情危机事件的受害者。可见,加强校园舆情突发事件的舆情监测、防范并正确应对舆情危机,不仅是维护正常教育教学秩序的需要,也是保障大学生正常学习和生活的需要,更是加强高校宣传思想阵地建设、维护高校校园稳定的需要。     

基于有向频繁子图挖掘的移动性模式网络构建方法

挖掘大量移动轨迹数据获取移动性知识,可为城市交通、智慧医疗等众多行业领域提供辅助决策.但现有的移动性知识表达方式过于简单,不能反映产生移动轨迹数据复杂系统的潜在运行规律,需要从网络的视角分析移动性知识之间的复杂关系.提出了一种基于有向频繁子图挖掘的移动性模式网络构建方法,包括移动轨迹数据到轨迹有向图的转换,基于有向图的...     

面向高等职业院校的网络安全态势感知系统研究

随着校园信息化和智慧化建设的推进,校园网络及内部资产设备面临的安全风险日益增多。为了完善高校的网络安全管理和运营,本文基于WAF防火墙、交换机和服务器的事件信息,研究建立了统一的可视化网络安全态势感知平台,加强了网络主动防御机制,为实时分析网络攻击行为和网络安全运营的协同管理和决策提供了可靠的技术参考。     

基于LDA与注意力机制BiLSTM的微博舆情分析模型

为对网络舆情数据进行主题挖掘与情感分析,以微博某单位招聘热点事件的舆情演变为研究对象,提出了一种融合主题模型和情感分析的LDA-Attention-BiLSTM模型。运用Python的Scrapy框架爬取该事件文本评论。采用隐含狄利克雷分布(LDA)模型实现了主题识别。使用基于注意力(Attention)机制的双向长短期记忆(BiLSTM)网络进行文本情感分析。研究结果表明,构建的基于LDA与Attention机制BiLSTM的混合模型能够反映舆情中的热点话题与情感时序变化,揭示事件爆发的主要原因,事件传播阶段的主要话题与事件的处理结果等。