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。     

基于大数据的民航舆情监测应用分析

该文结合行业热点和航空运输服务的热点,以大数据应用为切入点,结合大数据hadoop技术特点,提出了大数据技术下的民航舆情监测在民航运营中的应用价值以及可使用的方式。提出通过大数据舆情监测进行合理的归纳、分析及预测,为民航业各部门提供各类方案和建议,力争实现实时监控,及时介入,精准投放,精确引导。为民航相关单位更好地开展航空服务工作而提出有益建议。     

旅游危机事件网络舆情的演化机理研究

探索旅游危机事件网络舆情演化机理有利于政府、企业等管控主体根据网络舆情在不同发展阶段的特点,采取针对性措施避免舆情向不利的方向发展恶化。基于湖南凤凰古城收费事件,从舆情演化的阶段划分、阶段分析和影响因素3个方面,研究旅游危机事件网络舆情的演化机理。研究发现,根据事件事态和网络关注的变化,网络舆情演化分成孕育、出现、爆发、高潮、回落、反复和长尾7个阶段。社会心态、事件效应、官方言行、媒体行为、网民行为、外部刺激、舆情应对是影响旅游危机事件网络舆情演化的主要因素,对舆情演化起到推动或遏阻的作用。根据研究结论,提出重视网络民意、做好舆情监测、规范信息发布和完善政务微博4个方面的网络舆情管理策略。     

基于大数据新闻网站文本挖掘的网络舆情监测设计与实现

当今中国,网民人数已经超过人口总数的一半,因此网络舆情监测具有十分重要的意义。本文首先应用网络爬虫技术实现对新闻报道和对应网民评论文本数据获取。因为数据量大,所以选择Hadoop集群进行文本数据储存。其次,通过中文分词技术对文本数据按词语进行拆分,并对得到的词语进行过滤和挑选,得到关键词。新闻报道文本中获取的关键词用于新闻类型与主题的判别,网民评论中的关键字反映了网民对此新闻报道的观点和态度。最后,应用此方法,对"中美贸易战"事件进行网络舆情监测,从获得的新闻报道主题和网民评论的关键字表明,本文介绍的网络舆情监测方法具有可行性和实用性。     

基于Multiagent的突发事件网络舆情演化

针对突发事件的传播过程,采用定性与定量相结合的方法,提出了突发事件网络舆情传播的"五段六点"模式.根据贝叶斯概率原理,给出了Agent的决策规则,以网络结构的方式体现Agent之间的内在联系,建立了基于Multiagent分布的突发事件网络舆情传播模型.通过仿真分析Agent情感态的演化,验证了该模型的有效性,表明该模...     

大数据思维导引网络舆情分析

首先厘清大数据内涵及其价值,指出大数据由社会数据、感知数据和互联网数据构成,大数据内涵使用量大、增长快、多样性和高价值等四大要素表征,大数据集是满足从中可能挖掘出符合事物发展规律性的数据集。大数据的产生催生了数据密集型科学;大数据分析在社会治理和民生服务上的效益显著,大数据时代的治理需要树立并运用。     

大数据时代网络舆情与网络社会治理研究

大数据时代不仅为信息传播和沟通交流提供了极大便利,促进了网络新闻发展,同时也对网络舆情与网络社会治理提出了新的挑战,以此进行研究,并提出对策建议。     

基于时序主题的网络舆情热点话题演化分析方法

针对舆情话题演化中的话题漂移和衍生效应,提出基于时序主题信息的舆情话题演化分析方法并通过加入时序标签,对舆情热点话题内容和强度的演化过程进行了可视化.实例证明,该文提出的话题追踪算法能够有效探测出各阶段的舆情热点话题、分析舆情演化趋势,为突发事件发展态势的预测提供理论借鉴.     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

基于相对权重的网络舆情监测系统设计

针对网络舆情监测过程中,其舆情监测的精度和准确性的问题,设计了一种基于相对权重的网络舆情监测算法和系统.详细阐述了舆情监测系统组成结构,对所设计的舆情监测算法进行了重点分析,给出了舆情监测中主要的计算函数,以及舆情监测算法实现流程.最后通过测试表明,笔者设计的舆情监测系统,对事件的监测精度达到84%以上,具有较高的监测能力.     

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。     

基于SIS模型的群体社交网络舆情演化仿真

针对群体社交网络舆情演化时,目前方法获取关键节点中的数据较为困难,导致无法准确获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,存在演化精度低的问题,提出基于聚类算法与易感-感染-易感(SIS:Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。在群体社交网络中采用PageRank算法获取关键节点,利用聚类算法对关键节点中的数据聚类进行处理,在此基础上构建SIS模型,并通过其完成群体社交网络的舆情演化仿真。实验结果表明,该方法可准确地获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,演化仿真精度高。     

基于事理图谱的突发事件网络舆情演化模型构建

通过构建突发事件网络舆情事理图谱，揭示舆情事件之间的逻辑关联与演化路径，为突发事件的分析与应对提供参考。首先，基于规则模板提取突发事件网络舆情中的事件逻辑关系，构建事理图谱。其次，将事件向量化表示后进行泛化处理，采用K-Means++算法对相似事件进行聚类和抽象以构建网络舆情抽象事理图谱，最后在此基础上对目标事件进行推演和预测。结果表明：突发事件事理图谱中的事件关系类型主要为因果、并列和顺承关系，大部分事件的逻辑链条较短，且与其他事件无明显关联；构建突发事件事理图谱有利于分析事件的演化脉络、把握关键事件节点并预测事件发展方向。     

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。     

基于时间演化图卷积网络的舆情热点内容预测

有效预测舆情事件的热点内容有利于提高对舆论导向的把控能力和对公众诉求的预判能力. 然而,现有的舆情预测工作大多关注事件整体趋势指标或情感极性的演变预测,鲜有针对舆情事件热点内容的预测研究. 为解决以上问题,本文提出一种基于时间演化图卷积网络的舆情热点内容预测方法：以舆情事件的热点词作为预测对象,首先,通过演化图卷积网络学习各时间片词语的空间关联关系;然后,使用门控循环单元捕捉各时间片词语特征的时序变化;最后,通过全连接层进行输出,实现对舆情事件热点词的预测. 以微博上两个不同的舆情突发事件的相关文本作为数据集,与两种现有热点词预测方法开展对比实验. 实验结果表明,该方法在两个数据集上的精确率分别达到51.21%和50.98%,召回率分别达到50.17%和48.15%,F1值分别达到50.68%和49.52%,均高于两种对比方法,能够更好地完成舆情事件中热点词的预测.     

七星关区城市内涝监测预警服务系统研究

通过七星关区主城区17个内涝点降水致涝的临界雨量阈值指标体系建立,设定内涝预警指标,对主城区易积易涝点实时监控,结合智能网格降水预报产品,当监测到实况雨量或预报雨量超阈值时,根据预警指标制作服务产品并通过预警信息发布系统进行服务.做到提前预警,做好防范,进一步提高了七星关区城市内涝防灾减灾监测预警能力,最大程度减轻和避...     

环境事件网络舆情演化博弈模型构建及分析

突发环境事件网络舆情的有效管控对建立政府公信力和营造网络法治化环境意义重大.基于演化博弈理论和系统动力理论,分析了无政府管控下环境事件网络舆情参与主体策略选择的演化规律,构建了一个政府管控下网媒、网民和政府的三方网络博弈场,并建立系统动力学模型.以“3·21响水爆炸事件”为例进行仿真分析发现：环境事件网络舆情的扩散主要受政府奖惩力度和动态惩罚机制的影响,政府可通过建立网络舆情监测预警机制、构建科学的动态奖惩治理机制和规范网民诉求表达方式以实现对环境事件网络舆情的有效管控.     

面向大数据的政府舆情监测分析可视化模型与方案设计

从大数据可视化分析的视角,审视了政府舆情监测分析工作,以解决新形势下舆情服务质量及效率提升的问题;通过对舆情监测分析主体、环境、手段、呈现形式的现状进行探讨,设计了政府舆情监测分析可视化模型与可视化方案;指出政府舆情监测分析可视化概念体系包含机理层、模型层、应用层、支撑层4个层次;以监测信息为信息分类对象,选取单指标推动力结构模型为可视化数据结构表达模型;将舆情分析指标设定为舆情总量、舆情推动力、舆情增速及百分比;通过数学公式将舆情总量及推动力指标按照维度分解到从节点的推动力、增速与百分比上;将舆情总量与分解后的一级维度和二级维度进行叠加制定建模方案;选择静态数据以多视图关联交互为可视化方案的呈现形式.     

基于演化博弈的创新网络形成机理研究

创新网络形成本质上是一个复制动态演化过程,类似于有限理性条件下的演化博弈.本文借助演化博弈模型对创新网络形成机理进行了研究,揭示了创新网络演进过程的内在规律性,得出的基本结论是:网络正外部效应是创新网络形成的基本原因.