互聯網輿情信息挖掘方法研究.pdf

1、及時掌握輿情動態(tài)、積極引導社會輿論，是維護社會穩(wěn)定和執(zhí)政黨執(zhí)政安全的重要舉措。隨著Internet迅猛發(fā)展，互聯網擁有越來越龐大的用戶群，且逐漸發(fā)展成為群眾發(fā)布信息、獲取信息和傳遞信息的主要載體。因此，基于互聯網的輿情信息挖掘技術越來越受到廣泛關注。輿情是指一定時期內一定范圍內的社會群體對某些社會現象和現實的主觀反映?；ヂ摼W輿情信息挖掘技術作為輿情信息挖掘的有效手段成為研究熱點。然而，現有互聯網輿情信息挖掘技術的研究中暴露出信息海量性、

2、處理時效性和預警準確性方面的問題，因此亟需互聯網輿情信息挖掘在理論體系和挖掘方法上實現突破。
　　本文針對互聯網輿情信息挖掘技術進行研究，在明確輿情及其相關概念基礎上，著重探討互聯網輿情信息挖掘的體系結構和互聯網輿情信息形成過程中不同階段所采用的不同挖掘方法。主要研究內容如下：
　　互聯網輿情信息挖掘的體系結構是一項重要的研究內容。本文提出包括屬性層、信息采集層、挖掘層和處置層的互聯網輿情信息挖掘四層體系結構。其中屬性層覆蓋

3、輿情信息存在空間、發(fā)生時間、變化走勢和轉化機制中的一般規(guī)律；信息采集層覆蓋互聯網輿情信息采集過程中涉及到的關注主題類、采集空間、采集內容等問題；挖掘層覆蓋互聯網輿情信息處于不同挖掘時機、基于不同挖掘目的、所采用的挖掘方法；處置層覆蓋互聯網輿情信息的評價、分析與處置手段。四層體系結構是互聯網輿情信息挖掘的基礎。
　　在互聯網輿情信息的產生階段，本文提出內容敏感網頁的輿情監(jiān)控方法，實現敏感信息監(jiān)控和不良信息過濾。針對內容敏感網頁監(jiān)控方

4、法，本文提出用戶興趣聚焦度的概念，把用戶過濾需求看作以用戶感興趣事物為核心、由不同用戶興趣聚焦度為半徑形成的非形式化連續(xù)空間，借此表達用戶在過濾傾斜情況上的需求?；谟脩襞d趣聚焦度，本文提出中文敏感網頁過濾算法，一方面把網頁結構中的URL分析、主題句分析、正文分析相結合，另一方面把用戶興趣聚焦度量化后引入機器學習算法的訓練階段用于正文分析。實驗結果表明，內容敏感網頁過濾算法有效提高了網頁的過濾精度和處理速度，解決了互聯網輿情信息產生階段

5、的輿情發(fā)現問題。
　　在互聯網輿情信息的傳播階段，本文提出針對大多數用戶閱讀的新聞主題進行挖掘的輿情監(jiān)測方法，及時了解群眾關心的輿情熱點并避免某些問題轉化為突發(fā)事件爆發(fā)。針對頻繁訪問主題監(jiān)控方法，本文提出基于差值編碼雙向鏈表的數據流中頻繁項監(jiān)測確定性算法Frequent Sketch(FS)。FS算法的空間復雜度0(/og(￡n)／E），數據項平攤處理時間O(l)，算法生成的全局摘要S是E一虧度摘要?；贔S算法及其在窗口數據流上

6、的擴展算法FS-Win，本文提出一種互聯網頻繁訪問主題挖掘算法。實驗分析表明，該算法能夠實時地進行用戶頻繁訪問主題挖掘，解決了互聯網輿情信息傳播閱覽階段的監(jiān)測問題。
　　在互聯網輿情信息的轉載階段，本文提出針對大多數網頁轉載的新聞主題進行挖掘的輿情計量方法，了解當前互聯網輿情主題的狀態(tài)，發(fā)現熱門輿情事件的發(fā)生和群眾對事件的輿論傾向。針對輿情態(tài)勢計量方法，本文提出NISAC指數方法，NISAC指數借鑒經濟指數和社會指數的編制方法，以