2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、自1994年中國正式接入Internet起,中國網(wǎng)民規(guī)模呈逐年持續(xù)快速增長的趨勢。據(jù)2015年12月統(tǒng)計數(shù)據(jù)顯示,中國網(wǎng)民已達6.88億,超過半數(shù)的中國人已經(jīng)開始使用互聯(lián)網(wǎng)?;ヂ?lián)網(wǎng)代替?zhèn)鹘y(tǒng)信息以紙質文字材料傳播的形式,成為群眾思想、文化、信息獲取和交流的主要方式,又因為其傳播速度快,波及范圍廣,參與人員多的特點,它也成為社會輿論的主要聚集地。大到震驚世界的朝鮮核問題、轟動全國的天津大爆炸事件,小到某明星參加奧斯卡頒獎典禮摔倒、某高校推出

2、玉米炒提子菜系等,網(wǎng)絡輿情的傳播越來越牽動全社會人們的心。如何從數(shù)量龐大的網(wǎng)絡信息中獲取輿情信息,從而第一時間掌握輿情現(xiàn)狀,預測輿情走勢,及時正確引導輿情走向,對社會健康穩(wěn)定的發(fā)展具有非常重要的意義。
  本文的研究思路就是在這個背景下產(chǎn)生的,具體的研究內(nèi)容如下:
 ?。?)首先對在本文研究過程中使用到的理論知識進行介紹,如Web信息抽取方法、文本表示方法,數(shù)據(jù)降維方法、聚類方法等。
 ?。?)針對網(wǎng)絡信息(以新浪微博

3、為例),主要是通過網(wǎng)絡爬蟲技術,大量爬取所需信息。本文采用的是企業(yè)開發(fā)并已投入使用的新聞爬取系統(tǒng),該系統(tǒng)可以針對不同網(wǎng)頁結構進行合適的DOM解析模板配置,從而方便快捷的進行數(shù)據(jù)爬取。
 ?。?)針對短文本的特征,采用具有針對性的處理方式,對表情符號、轉發(fā)鏈接、標點符號、圖片的預處理,主要借助網(wǎng)絡語料庫并輔助以人工標注的方式。對預處理后的數(shù)據(jù)進行切詞處理,本文采用的中文分詞工具是R語言中的Rwordseg程序包。
 ?。?)為

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論