网络舆情热点话题聚类方法研究

主流的热点追踪算法都采用文本聚类技术来实现,在处理海量网页时,很难精准聚合中心结果,离需要的热点差距太远.现有的网络舆情系统监控的范围受限于使用者给出的关键词,使系统无法监测使用者未知的突发事件.针对网络舆情发生和传播特点,改善舆情信息采集策略;网络舆情的相关页面标题文字主题鲜明,据此提出自动挖掘热点关键词并根据关键词进行话题聚类的方法;根据新闻、论坛和博客的不同特点分别设计网络舆情热点分析模型.在此基础上,设计并实现了一个网络舆情监测系统.系统实际运行表明,该方案可以及时发掘热点话题并对突发事件实时追踪监测.

基于微博多维度及综合权值的热点话题检测模型

传统热点检测算法仅从单一的某个维度衡量话题的热度,导致热点话题检测精度低,在对突发性热点话题进行检测时尤为明显。针对此问题,提出一种多维度热点话题度量模型。该模型对话题进行筛选,得到一个热点话题初始集,再融入话题热度的影响力因子,计算各个话题的综合权值,将话题的综合权值按照一定的权重与多维度热点话题度量模型进行有效融合,得到一种基于微博多维度及综合权值的热点话题检测模型。通过使用真实的微博数据进行实验对比分析,实验结果表明,提出的多维度热点话题度量模型在对突发性热点话题的检测中,其准确率(Precision)、召回率(Recallrate)和F1值(F-measure)3个评估指标相比传统算法有了较大提高;利用该模型对突发性热点话题进行跟踪,通过与官方指数进行对比,该模型能有效跟踪其发展趋势。

基于网络数据的经管学科研究趋势测度

随着越来越多的交流、合作、共享、搜寻和收集信息发生在多样化的社会网络中,海量的网络数据正成为科学研究的数据源。为了解以网络数据作为数据源的经管领域科学研究的动态景观,本文基于从SSCI及SCI-E数据库提取的相关文献数据,应用科学计量的方法及指标、社会网络分析方法和突现检测算法,开展该领域的测度研究。研究发现该领域的科学产出增长显著;美国在该领域占据绝对领导地位,中国论文世界份额上升最为明显,具有较高的科学影响力及合作影响力;该领域跨国家/地区的科学合作网络呈现出相对稳定的扩张;该领域的研究热点主题有行为、信任、挖掘、内容、情绪、态度、预测等,前沿主题有内容、大数据、社会商务、情绪分析、行为等。

基于移动互联网的高职智慧校园热议话题发现系统设计与实现研究

移动互联网的发展,促进了高职智慧校园朝着的移动化方向发展。笔者基于移动互联网对智慧校园热议话题发现系统进行了研究,对系统中的数据采集、数据预处理、数据分析三个流程进行了详细设计。其中采用VSM、改进过的蚁群算法实现了热议话题的聚类分析,通过营养值计算实现了热议话题的在线监测,最终实现了基于移动互联网的智慧校园热议话题发现系统,净化了高职舆论环境,为学生提供了一个良好的交流沟通、发表舆论的平台。

一种基于Hadoop架构的网络舆情热点话题挖掘方法

为解决在海量数据中实时、精准挖掘网络舆情热点话题的问题,提出一种基于Hadoop的网络舆情数据分析模型。对于话题发现核心模块,给出一种WCGFMR网络舆情热点话题挖掘算法,采用Map(映射)和Reduce(规约)规则进行舆情文本特征分组加权策略。实验结果表明,采用基于Hadoop架构的WCGFMR算法进行热点话题挖掘,热点话题的平均召回率达到85.32%,平均话题类纯度达到95.36%。随舆情数据集增大到2GB后,在Map数一定的条件下,多任务数Reduce执行时间相比少任务数Reduce大大缩短,数据中热点话题挖掘速度显著提高。

热点发现及文本倾向性分析技术研究

为了有效地对不断涌现的海量互联网信息进行采集、分析、检索,基于网络舆情分析涉及到的热点发现与文本倾向性分析两个关键技术,改进了相似主题检测和基于语气标注方法的文本倾向性分析算法。实验结果表明,直接通过关键词匹配法,误差较大;基于关联规则的相似主题检测,可以明显提高检测精度。同时,无论是对正面文档还是对负面文档,经过改进的基于语气标注方法都明显提高了查全率和查准率。

一种Web 2.0环境下互联网热点挖掘算法

利用Web2.0下用户丰富的反馈信息进行互联网热点挖掘具有重要的应用价值。该文将Web2.0下用户在互联网上的信息活动看作为热度活动,并利用热量传递模型对其建模,然后基于该模型提出适用于Web2.0环境下的话题抽取与热度评价算法。实验结果表明热量传递算法有效地利用了用户反馈信息,适用于Web2.0下互联网环境。

互联网微博热点话题追踪系统设计与研究

为了实现对发生在互联网微博上的热点事件进行监测和追踪,文章设计一种微博热点事件追踪的应用系统。该系统可以通过对微博页面数据的采集,以及页面的转发次数和关联性的分析,实现对微博热点事件的识别和追踪,仿真结果表明:该系统采用的算法精度较高,匹配模型工作效率高,能够有效地追踪事件的发展状况,达到全面、准确地对微博中的热点事件进行追踪的目的。

2011—2020年全球能源互联网专利产出与热点领域分析

能源互联网是实现世界能源可持续发展的重要途经,也是传统化石能源向智慧能源转型的必经之路。对能源互联网领域专利数据的分析,有助于了解该领域的研究现状及发展态势。文章以涵盖全球126个国家或地区的专利数据库为分析样本的数据来源,从专利产出、研究机构、研究热点等方面,对2011-2020年全球能源互联网领域数万篇专利文献进行了计量研究。并重点对比分析了10年间我国和部分欧美国家在这些方面的发展状况。

网络舆情热点话题检测聚类算法研究

数据聚类是基于某种相似性度量在多维数据中识别自然分组或集群的过程。聚类是许多不同学科的基本过程。因此,来自不同领域的研究人员正在积极研究聚类问题。文章首先对代表性的基于划分的聚类方法进行了一个概述,在此基础之上,针对网络舆情热点话题检测,文章使用这几个聚类算法进行对比试验,进而分析出更适用于热点话题检测方面的算法。最后对文章的研究进行总结,归纳出本研究的局限性,并指出改进的方向。

基于小波神经网络的话题热度预测模型研究

网络舆情发展迅速,有效地实现话题的热度预测对网络舆情监管和正确引导具有重要意义。为了实现对话题热度的预测,并提高预测的精度,本文提出基于小波神经网络的话题热度预测模型。首先经过预处理分析发现热点话题,然后选取具有热度表征能力的指标量化话题热度,构建出话题热度指标的时间序列模型,最后提出基于小波神经网络模型的话题热度预测方法,预测出下一时间段的话题热度值。实验结果显示,与BP神经网络预测模型相比,本文提出的小波神经网络预测模型无论从预测曲线的拟合度还是绝对误差标准差的数值上都具有更高的预测精度及稳定性。

网络热点与高校思想政治教育有机融合研究

基于网络热点的特点,解构网络热点和高校思想政治教育之间的关系,并分析网络热点在丰富高校思想政治教育资源、迎合大学生信息“口味”、增强大学生社会责任感、培育积极的网络舆论场等方面的意义,对网络热点与高校思想政治教育有机融合进行思考,合理选择网络热点并对网络热点进行创造性地整合,发挥课堂阵地作用。基于网络热点和思政课融合的需要,推动高校思想政治课程改革,搭建网络交互平台,及时了解学生思想动态,并加以正确引领,坚持全面融入原则,将网络热点融入到高校环境建设和文化建设之中,从而发挥网络热点的资源效应,提升高校思想政治教育效果。

从“网络热梗”现象透视新闻传播之新突破

“网络热梗”是互联网高速发展与渗透的产物,伴随媒介融合的持续推进,“玩梗”在助力新闻传播方面同样起到重要作用。在新融媒生态格局下,“网络热梗”也在发生深刻变化,成为媒体拉近与受众距离的有力抓手。“网络热梗”的流行体现了“以受众为核心”传播逻辑的转变,客观审视“梗”,玩“梗”需有度,正确运用“梗”为新闻传播注入新动能是新闻从业人员需要认真思考的课题。梳理网络热梗对新闻传播的影响,从审慎对待“热梗”,谨防新闻传播过度娱乐化;规范新闻用语,善用优“梗”增强传播效度;坚守媒介伦理,切勿以“玩梗”收获毒流量等3个维度阐释了在新闻传播中如何利用“网络热梗”的具体路径。

数据挖掘的网络热点话题演化动态预测

为了及时发现网络热点话题走向,提出基于数据挖掘技术的网络热点话题演化动态预测算法。首先运用基于块的单遍聚类算法,将网络热点话题划分成不同文本集,根据特征划分到不同块中,进行网络热点话题的数据挖掘,然后计算页面话题热度值,利用热度值描述报道获得的先后顺序,判断能否产生新的网络热点话题,实现网络热点话题预测。经实验验证算法网络热点话题动态预测运行时间少;热点话题预测漏检率低,可精准描述热度值变化趋势。

基于MapReduce架构的网络热点话题发现

提出了一种基于开源云计算平台Hadoop的网络热点话题发现方案.该方案采用MapReduce分布式并行计算架构处理海量、复杂数据,通过将命名实体词作为文本的特征项,并采用标题和正文的双向量表示文本.实验结果表明:随着参与并行计算节点数的增加,话题聚类所有的时间显著下降,因而网络热点话题发现的速度得到明显提高.

微博意见领袖对微博信息传播的影响研究

本文在传统SIR模型基础上加入意见领袖因素,对微博传播规律建模并进行仿真,研究意见领袖对微博信息传播中的影响。然后,借助可视化工具,以新浪微博四个有代表性的热点话题为例,可视化展示话题传播过程,进一步分析意见领袖在信息传播中的作用,最终引导并促进网络舆论的健康发展。

基于主题演化图的网络论坛热点跟踪

网络热点话题检测与跟踪已成为舆情分析领域的前沿研究课题,具有广阔应用前景。本文研究基于主题演化图的网络论坛(BBS)热点跟踪问题。在采用共词分析和bisecting K-means聚类算法检测BBS热点话题基础上,提出了一个综合考虑话题帖子篇数与帖子热度的热点话题关注度计算方法。然后给出了一个基于相对熵的热点话题语义距离计算方法。最后通过构造主题演化图实现BBS热点话题的自动跟踪。在由实际BBS论坛数据构成的测试集上的实验表明,本文提出的方法是有效的。

网络舆情潜在热点主题识别研究

【目的】从网络舆情数据流中获取潜在热点主题,帮助政府与企业进行重点舆情监测与正确舆论引导。【方法】对微博实时数据流进行增量式舆情主题检测,选取并量化能够区分主题热门与非热门的特征项,选择逻辑回归(Logistic Regression)与支持向量机(SVM)两种机器学习模型作为潜在热点主题预测的候选模型,通过模型训练与效果对比确定最佳的潜在热点主题识别模型。【结果】Logistic Regression相比SVM更适合作为潜在热点主题识别模型,其召回率为0.89。【局限】方法缺少在多样化社交媒体平台的应用。【结论】本研究构建的模型能有效识别网络舆情潜在热点主题,为政府与企业的舆情监测与舆论引导提供帮助。

网络热点事件话题漂移指数构建与实证研究

【目的】提出并构建网络热点事件话题漂移指数,体现网络热点事件话题变动幅度。【方法】利用LDA主题模型对网络热点事件进行话题抽取并结合词权重分析话题漂移情况,提出网络热点事件话题漂移指数构建过程,以"高以翔去世"事件为样本进行实证分析。【结果】在"高以翔去世"网络热点事件爆发初期,话题数量由11增加至18,话题漂移指数变动41%,舆情危机产生;在蔓延期的二次爆发中,话题漂移指数变动22%,舆情危机复发;在消散期某时间节点,话题数量由10减至5,话题漂移指数负向变动41%,发生群体性失范行为。【局限】对网络热点事件蔓延期小幅话题变动预警效力不足;对网络热点事件舆情数据中多媒体内容缺乏预警能力;不能体现话题的实质性语义变化。【结论】网络热点事件话题漂移指数作为网络热点事件舆情预警测度与监管触发指标,能够较为精准地提供网络舆情爆发时间节点以及蔓延期的舆情危机复发时间节点。

基于CS-SVM的网络热点话题变化趋势预测

为了提高网络热点话题变化趋势的预测精度,提出一种布谷鸟搜索(CS)算法优化支持向量机(SVM)参数的热点话题变化趋势预测模型(CS-SVM).首先获取热点话题的时间序列,然后将SVM参数作为一个鸟巢位置,通过CS算法模拟布谷鸟种群寄生繁衍机制找到最优参数,最后根据最优SVM参数建立热点话题变化趋势预测模型,并采用仿真实验对模型性能进行测试.结果表明,相对于对比预测模型,CS-SVM提高了热点话题变化趋势预测精度,可以准确刻画热点话题变化趋势,是一种理想的复杂、多变热点话题变化趋势预测工具.