基于领域文法的微博舆情分析方法及其应用

传统的舆情分析方法存在两个缺陷:由于缺少对舆情文本必要的语义处理,传统的基于关键词或热词的网络舆情分析方法往往分析结果不准确,即漏判率和假阳性比较高;在舆情发展初期,由于数据稀疏,一般不能及时发现舆情"苗头"。针对这些问题,提出一种基于领域文法的分析方法对微博文法进行分析,并给出一套通用的领域文法的设计原则以及分析方法。基于领域文法的方法与统计方法相比主要的优点和创新点包括:领域文法可以在数据稀疏的情况下依然可以很好的工作;领域文法的方式不需要对信息进行统计,不会受到距离的影响;领域文法的方法可以很好地提取真正有用的信息而不会像统计方法易受到词搭配的影响。为论证该方法,选择贪腐类舆情作为一个验证应用。实验表明,贪腐舆情文法很好地对贪腐类微博舆情文本内容进行识别和提取,从而达到贪腐舆情监控的目的。

基于短文本情感分析的微博舆情分析

相较于其他的网络平台来说,微博平台具有信息不完整、碎片化等特点,因此,在分析微博舆情的过程中,常常会出现很多的问题,影响微博舆情的分析效率。基于短文本及情感分析的微博舆情分析流程可以有效规避这些问题,实现对微博短文本信息的提取整合,避免出现信息不完整等问题。在本文的论述内容中,笔者重点研究了基于短文本及情感分析的微博舆情分析流程,希望可以深入了解网民的主观态度和情感倾向,精准预测微博热点事件舆情走向,合理控制微博舆情,避免出现不必要的麻烦和问题,有效维护社会的治安,推动社会的和谐发展。

基于D3.js的微博舆情分析可视化研究

随着微博用户数量的不断增多,微博舆情分析得到了高度重视,可视化研究成为微博舆情分析的热门课题。现有的微博舆情可视化研究主要从影响力、传播过程、语义等方面进行分析,往往使用折线图、柱状图等形式展现结果。借助D3.js可视化库数据驱动、高效灵活的特点,提出了一种以力导向图为基础的微博舆情可视化方案。该方案可实时、直观地展现当前微博舆情热点及其关注度、用户情感和热点间的相关性。

基于Hadoop的微博舆情分析系统研究与实现

随着移动网络的高速发展和网络新媒体的广泛运用,越来越多的人已经习惯在网络上发表自己的见解,因此,网络逐渐成为社会舆论的主要平台,新浪微博就是一个典型的例子。但如今产生的舆情数据量越发庞大,所以对舆情数据进行采集、存储、处理以及分析其传播中的关键因素也带来了前所未有的挑战。根据舆情的数据特点,设计和实现了一套基于Hadoop的微博舆情分析系统,为应对舆情危机提供自动化、系统化、科学化的信息支持。

基于词类和搭配的微博舆情文本聚类方法研究

微博是近年出现的新型互联网信息交流平台,它具有主题分散、体量短小、文体自由等特性,它能对社会产生巨大的影响,所以信息监管部门和商业企业对基于微博信息的舆情分析都有迫切需求.提出了基于搭配的文本聚类新方法,该方法先进行微博文本预处理,然后利用词类模型进行自动抽取有效搭配,最后基于有效搭配的模型进行文本聚类.实验证明利用词类文本聚类方法比传统文本聚类方法性能提高6.3%,而本文方法比利用词类文本聚类方法性能提升了16.8%,结果显示了本方法的有效性.