涉稅網(wǎng)絡輿情監(jiān)控與分析系統(tǒng)研究.pdf

1、互聯(lián)網(wǎng)已成為各階層利益表達、情感宣泄、思想碰撞的重要輿情渠道。同時，互聯(lián)網(wǎng)上所傳播的輿論具有復雜性和多面性，網(wǎng)絡輿情的發(fā)言者由于身份隱蔽且發(fā)言缺乏有效監(jiān)督，導致網(wǎng)絡中的信息具有偏差性和欺騙性。網(wǎng)絡輿情的這些特點為國家稅務機關(guān)的網(wǎng)絡輿情監(jiān)管工作帶來了極大的挑戰(zhàn)，因此如何對涉稅網(wǎng)絡輿情進行有效分析及預警成為亟需解決的問題。
　　 本文首先描述并分析了涉稅網(wǎng)絡輿情監(jiān)控與分析系統(tǒng)的設計目標和功能需求，在此基礎上結(jié)合國內(nèi)外類似項目建設方案

2、和應用情況及涉稅敏感話題的特點設計了系統(tǒng)的整體框架圖，并對系統(tǒng)實現(xiàn)的技術(shù)難點進行了分析。
　　 其次，本文設計了一個針對網(wǎng)絡輿情源數(shù)據(jù)獲取的網(wǎng)絡爬蟲框架，其特點是可以針對不同類型的網(wǎng)絡輿情數(shù)據(jù)源設計不同的爬取策略，并綜合使用異步I/O、進程池、協(xié)程等多種并發(fā)編程技術(shù)，以實現(xiàn)更快的下載和處理網(wǎng)頁。然后在該爬蟲框架的基礎上分別實現(xiàn)了利用新浪微博開放平臺API獲取新浪微博數(shù)據(jù)的微博類網(wǎng)絡爬蟲和適用于新聞和論壇類輿情源站點的論壇類網(wǎng)絡爬

3、蟲。
　　 再次，本文研究了稅務類敏感話題分析識別與檢測方法，將目標問題劃分為稅務類話題文本分類和敏感話題識別與檢測兩個階段，并分別使用基于支持向量機與TF-IDF算法的文本分類方法和基于全文檢索的關(guān)鍵詞匹配方法加以解決。實驗表明，本方法可以有效的識別稅務類敏感話題相關(guān)的文本。
　　 最后，本文設計并實現(xiàn)了涉稅網(wǎng)絡輿情監(jiān)控與分析系統(tǒng)。該系統(tǒng)可以實時監(jiān)控用戶指定的網(wǎng)絡輿情數(shù)據(jù)源，識別與用戶定義的敏感話題相關(guān)的網(wǎng)絡文本，并通