共查询到17条相似文献，搜索用时 125 毫秒
1.
本文在分析、比较和综合国内外网络舆情信息分析处理技术的基础上,将Web挖掘技术引入舆情智能分析处理中,构建了基于Web挖掘的舆情信息智能分析模型,并通过系统实例介绍了Web挖掘在网络舆情智能分析中的具体应用。 相似文献
2.
介绍网络舆情监测的概念及研究现状,从信息提取、文本挖掘处理、舆情分类、文本表示与主题发现、舆情意见挖掘和观点分析5个方面,介绍网络舆情监测的有关技术,并将网络舆情监测技术中涉及的各关键挖掘技术进行整合,讨论了网络舆情监测技术在实践上的应用及其意义。 相似文献
3.
当前网络突发事件频发,网络舆情与突发事件的相互作用增加了舆情分析和预警的难度,现有舆情预警系统无法满足需求。将Web挖掘技术引入到突发事件网络舆情预警中,构建了包括舆情采集层、舆情挖掘层、舆情分析层、预警研判层的基于Web挖掘的突发事件网络舆情预警系统模型,集成和整合了突发事件网络舆情预警全过程的重要功能,实现突发事件网络舆情采集、分析处理、危机预警的自动化、智能化和实时化。 相似文献
4.
大数据既是新技术也是方法论,大数据侧重于挖掘有价值的信息,将大数据应用到网络舆情信息工作中,是新形势新环境下突发公共事件应对的新需求。本文分析了大数据时代网络舆情的现状和特点,以及当前网络舆情信息工作存在的问题,通过对大数据的概念和特性及其主要技术的研究,结合突发公共事件的特点,探讨如何将大数据应用到突发公共事件网络舆情信息工作中,为网络舆情信息工作提供技术解决参考和方法论支持。 相似文献
5.
6.
基于网络舆情安全的信息挖掘及评估指标体系研究 总被引：5，自引：1，他引：4
本文对网络舆情信息挖掘的渠道和环节、挖掘内容重要的六个点及挖掘方式提出了新的想法;构建了网络舆情安全评估指标体系,来量化评价舆情发展态势,并为管理者提供预警和辅助决策的科学依据;该指标体系的构建也对网络舆情监测和预警综合系统的平台运行具有重要的指导意义。 相似文献
7.
［目的/意义］新信息技术推动媒体应用平台快速发展，网民通过主流媒体与自媒体积极参与话题讨论，客观分析信息传播平台对网络舆情事件发展的影响力，有利于建立良性的信息生态循环圈。［方法/过程］本文以官方公布的十年网络舆情热点事件为数据分析对象，使用灰色关联法分析历年各信息传播平台与网络舆情热度的关联关系，从时间、事件等维度挖掘信息传播平台对网络舆情热度的影响特征。［结论/建议］各信息传播平台对网络舆情热度的影响力与传播技术发展水平是同步的，对网络舆情热度的影响呈现势均力敌之势，媒体融合、资讯融合是发展必然趋势。 相似文献
8.
为应对当前网络舆情的新挑战和舆情分析的精准性要求，需要从大数据的角度研究舆情处理新模式，从知识工程的角度挖掘舆情知识体系。借鉴知识技术和大数据技术在舆情领域的最新研究成果，设计了基于知识和数据双轮驱动的网络舆情分析模型，讨论了模型设计和关键技术。最后以"南海问题"主题舆情为案例，对模型在实际舆论工作中的效用进行了验证，结果显示该模型能够较好地对特定主题舆情进行深度分析和挖掘。 相似文献
9.
伴随着互联网的不断发展和普及,网络以其独特的优势正逐渐成为社会舆论的主阵地,随着大量信息的涌现,如何从中发掘有用的舆情信息为我们的决策、管理服务成为当前亟待解决的问题。本文在介绍了观点挖掘技术之后,提出了基于观点挖掘的舆情信息分析方法,在构建模型的基础上,通过实例予以说明。 相似文献
10.
阐述现有网络真情挖掘方法的局限,结合网络舆情生命周期,以生命周期的全过程为基点,构建了网络真情的深度挖掘模式,对实现网络舆情的深度挖掘进行探索. 相似文献
11.
本文针对微博网络舆情的控制和引导问题,提出一种基于复杂网络的图谱分析方法。本文以微博用户间转发和评论某一话题下用户关系数据作为基础研究数据,生成用户节点网络关系图谱,通过对微博网络模块化图谱、路径图谱和中心性图谱分析,定性和定量评估出对舆情活跃度高、传播范围广、传播速度快的微博用户节点,作为控制微博舆情的传播、引导舆情舆论导向的关键用户节点。本文以某一微博社区为样本数据,采用复杂网络分析工具Gephi,验证了基于复杂网络的图谱分析对识别舆情控制中关键用户节点的正确性和有效性。 相似文献
12.
随着Web2.0的迅速发展,互联网成为人们表达观点、抒发情感的重要工具,如何有效地从Web文本中提取、归纳出用户的情感观点是研究者所面临的重要问题。本文首先提出对日益增多的Web文本进行情感分析的必要性。然后从文本主客观性分类、情感极性分类和主题及观点持有者抽取等方面介绍文本情感分析在国内外的研究进展;最后总结出今后需深入研究的问题。 相似文献
13.
【目的/意义】目前舆情情感演化研究大多是基于主题的方法来进行情感演化分析且重点均集中在从文本
本身提取的信息上,对在社交媒体中影响情感分析的用户特征缺乏考虑。【方法/过程】本文充分考虑网络用户信息
特征,构建融合用户特征的舆情情感演化方法,提出一种基于用户注意力机制的情感分析模型（U-BiLSTM）,并以
新冠肺炎疫情事件为例分析舆情情感演化过程。【结果/结论】研究结果表明U-BiLSTM情感分析模型具有一定的
优越性,F1值和准确率能达到97.08%和95.19%。【创新/局限】研究提出的融合用户注意力机制的情感分析模型能够
使舆情情感演化分析具有一定的可解释性,有效揭示面向突发公共卫生事件下网民的情感演化趋势,但由于时间
和设备条件的限制,仅采用单一数据源未考虑数据的多源性,研究的数据集不够充分且研究角度仅考虑时间维度
忽略了空间维度。 相似文献
14.
文章设计一种部署于互联网上的舆情监测应用系统,该系统能够对互联网上的网页、论坛、微博等多种信息媒介进行监测,并自动的采集各种页面上的数据。通过数据挖掘方法从互联网中不同的信息媒介中提取出有价值的信息,并对网络舆情的状况和发展趋势做出预测,实现对互联网上的网络舆情进行实时监测的应用目标。 相似文献
15.
【目的/意义】突发事件的频发往往成为网络舆情生发的重要导火索,研究突发事件网络舆情的生发机理,对于舆情的导控及治理而言意义非凡。【方法/过程】基于信息生态视角,从信息、信息人、信息环境与信息技术四个要素提炼出事件信息、发布主体、信息受众、信息技术及信息环境五个解释变量,通过清晰集定性比较分析法(csQCA)对40起突发事件进行比较分析,据此得出三个有效的条件构型。【结果/结论】结果表明,社会安全突发事件借助网络媒体平台容易激发公众负面情绪,提升网络舆情的生发热度;良好的信息环境在方便公众沟通交流的同时,也一定程度上推动了突发事件网络舆情的生发;发布主体的非理性是突发事件网络舆情生发的重要原因。 相似文献
16.
【目的/意义】随着互联网的迅速发展,网络媒体成为反映社会舆论的主要载体。如何有效地从网络媒体获取公共政策相关的社情民意以引导公共政策的传播议程设置是政府职能部门所关注的重要问题之一。【方法/过程】本文基于网络媒体数据,应用数据挖掘、机器学习等数据分析技术,提出了一个面向公共政策的网络媒体内容文本分析框架。利用文本语义分析方法,从主题识别、情感分析等角度对网络主流媒体的公共政策传播议程设置与社交媒体网民舆论进行挖掘和对比,并以新能源汽车政策为例对该分析框架的有效性进行了验证。【结果/结论】通过实证发现当下网络媒体报道的议题与社交媒体上公众对有关公共政策的关注焦点之间存在较大偏差,就新能源汽车政策为例,公众对于其政策的关注偏向于衡量自身获利的多少,而网络媒体报道更多以描述政策传递信息为主。建议政府职能机构针对公共政策使用网络媒体进行传播时,可根据公众关注焦点话题进行议程的设置和调整,以增强公众对此政策的认可度。 相似文献
17.
《Information processing & management》2020,57(6):102273
Vital to the task of Sentiment Analysis (SA), or automatically mining sentiment expression from text, is a sentiment lexicon. This fundamental lexical resource comprises the smallest sentiment-carrying units of text, words, annotated for their sentiment properties, and aids in SA tasks on larger pieces of text. Unfortunately, digital dictionaries do not readily include information on the sentiment properties of their entries, and manually compiling sentiment lexicons is tedious in terms of annotator time and effort. This has resulted in the emergence of a large number of research works concentrated on automated sentiment lexicon generation. The dictionary-based approach involves leveraging digital dictionaries, while the corpus-based approach involves exploiting co-occurrence statistics embedded in text corpora. Although the former approach has been exhaustively investigated, the majority of works focus on terms. The few state-of-the-art models concentrated on the finer-grained term sense level remain to exhibit several prominent limitations, e.g., the proposed semantic relations algorithm retrieves only senses that are at a close proximity to the seed senses in the semantic network, thus prohibiting the retrieval of remote sentiment-carrying senses beyond the reach of the ‘radius’ defined by number of iterations of semantic relations expansion. The proposed model aims to overcome the issues inherent in dictionary-based sense-level sentiment lexicon generation models using: (1) null seed sets, and a morphological approach inspired by the Marking Theory in Linguistics to populate them automatically; (2) a dual-step context-aware gloss expansion algorithm that ‘mines’ human defined gloss information from a digital dictionary, ensuring senses overlooked by the semantic relations expansion algorithm are identified; and (3) a fully-unsupervised sentiment categorization algorithm on the basis of the Network Theory. The results demonstrate that context-aware in-gloss matching successfully retrieves senses beyond the reach of the semantic relations expansion algorithm used by prominent, well-known models. Evaluation of the proposed model to accurately assign senses with polarity demonstrates that it is on par with state-of-the-art models against the same gold standard benchmarks. The model has theoretical implications in future work to effectively exploit the readily-available human-defined gloss information in a digital dictionary, in the task of assigning polarity to term senses. Extrinsic evaluation in a real-world sentiment classification task on multiple publically-available varying-domain datasets demonstrates its practical implication and application in sentiment analysis, as well as in other related fields such as information science, opinion retrieval and computational linguistics. 相似文献