基于突發(fā)詞和情感分析的微博突發(fā)事件監(jiān)測研究.pdf

1、當前，微博已成為第二大輿情源頭，成為傳統(tǒng)媒體跟蹤突發(fā)消息的重要來源之一，在向輿情和突發(fā)事件的轉(zhuǎn)移擴散中扮演著重要角色，很多公共事件、焦點問題、突發(fā)事件都會在微博迅速傳播，為公眾和網(wǎng)民所知曉，并引起廣泛討論。因此如果能對微博中的話題進行監(jiān)測及時的發(fā)現(xiàn)突發(fā)事件，輿情監(jiān)督部門或者決策者就能在合適的時機介入，爭取化危機為轉(zhuǎn)機，盡可能的避免突發(fā)事件轉(zhuǎn)化成惡性群體性事件。
　　微博作為一種新型的社會媒體，其內(nèi)容短小精悍但時效性強，信息含量小但

2、話題更新快且總體數(shù)量巨大，并且大部分微博的情感表達的傾向性較為明顯。因此微博的短文本挖掘、話題趨勢檢測及情感傾向性分析等也是微博研究的重要方向。但是相關(guān)的研究工作之間的交集較少，均集中在各自的領(lǐng)域。如果把幾方面的工作融合起來，不僅具有創(chuàng)新性，而且具有較大的實用價值。本文在前人研究的基礎(chǔ)上，以新浪微博為研究平臺，基于輿情事件的突發(fā)性和情緒色彩性，來探討微博平臺中的突發(fā)事件發(fā)現(xiàn)。具體來講,本文工作主要有以下幾點:
　　1）微博數(shù)據(jù)采集

3、。本文提出基于微博API和模擬登錄爬取動態(tài)網(wǎng)頁多策略融合的中文微博數(shù)據(jù)采集方案，來實現(xiàn)對微博平臺實時和海量的數(shù)據(jù)采集。
　　2）噪聲微博過濾。為了提高監(jiān)測的效率，本文針對海量微博數(shù)據(jù)，提出基于構(gòu)建噪聲詞典和識別噪聲用戶的噪聲微博過濾方法。實驗證明本文提出的方法雖然過濾噪聲微博召回率不高，但具有很高的準確性，能用在微博的預處理階段不影響輿情話題的提取。
　　3）突發(fā)話題發(fā)現(xiàn)。本文提出從相對詞頻、詞頻增長率、突發(fā)權(quán)重三個維度來提