基于知识图谱的舆情发现技术研究

为了提高新闻舆情发展判断的准确性,基于知识图谱的社会网络热点新闻舆情研究与判断方法成为了最新的研究课题,通过语料库标注、字符编码和时间片处理,对网络热点新闻语料库进行预处理,并利用处理后的语料库信息构建知识图谱来提高新闻要素分析的准确性.针对传统舆情系统的缺陷,从知识图谱的角度出发,运用文本向量化的方法来提高发现有价值信息的准确率.实验结果表明,该方法对舆情演变程度、传播广度和新闻热度的判断有较好的准确性及较小的误差.

大型公共建筑投资中公众态度网络舆情主题发现研究

我国大型公共建筑投资因其牵涉利益主体多、涉及公众切身利益,受到各级政府高度重视。然而,受公众意见分散多样、信息不对称等影响,公众的真实态度往往难以在事前纳入决策中。在事后,如因决策不当损害到公众切身利益时,会遭致抵制,形成"邻避效应",甚至诱发群体性事件,对大型公共建筑的投资带来巨大的损失和影响。如何在事前采集公众真实态度纳入到决策中并改善决策?文章通过采集网络舆情数据,基于时空情境语义分析建立了面向事前决策的公众态度网络舆情主题发现模型,实现了对公众利益相关方中不同群体意见的挖掘及情感分类。

社交网络的舆情热点发现模型研究

随着社交网络的大规模发展,传统的基于文本分析的热点话题发现技术面临严峻的挑战。构建了针对社交媒体的舆情热点发现分层架构模型,详细介绍了模型中的关键技术,并将时间因素和链接分析技术引入舆情热点发现算法,阐述了新算法的主要思想和大致流程。在舆情热点发现中引入网络化方法,开拓了舆情分析的新思路。

基于频繁模式挖掘的网络舆情热点发现技术研究

舆情热点发现是网络舆情系统的基本问题。通过分析传统舆情热点发现技术实时性和精准性差、算法复杂度高等问题,本文提出了基于频繁模式挖掘的网络舆情热点发现技术。基于网络数据流分布符合细尾特征,设计了一种高效的数据流频繁模式挖掘算法ILC,该算法使用差量窗口裁剪策略将每个数据项的处理时间降到了常数级别。对使用ILC算法的网络舆情热点发现技术进行实验,实验结果表明,该技术能够在高速的网络流量中实时精准地识别出舆情热点话题,正确率在90%以上。

基于组合神经网络的舆情短文本表示模型降维方法研究

随着网络舆情对整个社会的舆论影响力越来越大,为了有效的防控恶性事件,实时监控网络舆情也越来越尤为重要.本文针对舆情短文本信息的特点,提出基于组合神经网络自动聚类方法来构建舆情短文本的表示模型,通过特征词语义相似度构建词簇.实验结果表明:在海量文本分析和舆情发现的过程中,该方法可以有效提高舆情短文本构建表示模型的精度,提升舆情发现效率.

高校BBS舆情监测系统设计与实现

基于旁路模式实时分析还原出高校论坛的帖子内容作为论坛舆情监测的数据源,根据用户访问论坛的网络数据流分布符合幂率特征设计了一种高效的改进型LC(Lossy Counting)数据流频繁模式挖掘算法分析论坛的访问热点,采用增量层次聚类算法对还原出的主题内容进行聚类的舆情分析系统;同时提供管理模块可以限制敏感话题的访问范围。系统经过一段时间的运行,证明能够准确监视论坛的舆情动向。

基于微博热度的大学生思政教育精准化发现方法

微博是当代年轻人表达观点的主要平台之一,如何利用微博信息进行精准化思政教育是一个值得研究的课题。文章将微博的传播特性和时间特性与聚类算法进行融合,同时根据时间序列将微博集合分为多个增量子集,实现K值的动态自适应和增量化聚类。并分析了微博的点赞、评论、转发特性,提出合适的微博热度计算公式,更好地描述微博热度,进而合理地进行热点发现。

融入度相关性与社区识别的社交网络舆情信源发现方法

近年来,社交网络的不断发展提升了网络信息传播的速度,故识别能使舆情信息影响力最大化的最小节点集已成为信息科学的重要问题之一.文章融入度相关性与社区识别,设计DCCI社交网络环境的舆情信源集发现方法,并在网络中对所提方法进行验证.由实验结果可知,文章所提算法的精度略优于其他算法,且运行效率较高.