基于語義的網(wǎng)絡(luò)輿情熱點(diǎn)話題發(fā)現(xiàn)研究.pdf

1、隨著社會(huì)的進(jìn)步，互聯(lián)網(wǎng)逐漸成為人們表達(dá)輿論的又一個(gè)重要平臺(tái)。網(wǎng)絡(luò)具有傳播迅速、用戶匿名等諸多特性，由于這些特點(diǎn)，一方面，網(wǎng)絡(luò)對(duì)社會(huì)輿論起到了很好的監(jiān)督作用，但另一方面也容易包含反動(dòng)、迷信和黃色的內(nèi)容，給社會(huì)安定甚至國(guó)家安全帶來困擾。因此，如何在豐富的網(wǎng)絡(luò)信息中及時(shí)發(fā)現(xiàn)網(wǎng)民共同關(guān)心的熱點(diǎn)問題，幫助政府及時(shí)了解當(dāng)前社會(huì)重要事件及輿論方向就顯得十分重要。
　　本文主要研究如何在海量信息中找出被大眾關(guān)注的熱點(diǎn)話題?，F(xiàn)有的網(wǎng)絡(luò)輿情熱點(diǎn)話題發(fā)

2、現(xiàn)方法大多是運(yùn)用傳統(tǒng)的文本聚類技術(shù)，但傳統(tǒng)技術(shù)沒有考慮文本信息間的語義聯(lián)系，往往得到不準(zhǔn)確的話題分類結(jié)果，也就影響了話題的熱點(diǎn)分析效果。本文針對(duì)在文本聚類過程中容易缺失語義信息的缺點(diǎn)，對(duì)傳統(tǒng)方法進(jìn)行改進(jìn)，具體工作主要有:一是信息采集和預(yù)處理技術(shù)，研究如何從松散的非結(jié)構(gòu)化信息中采集并抽取語料。利用網(wǎng)絡(luò)爬蟲技術(shù)和網(wǎng)頁(yè)凈化技術(shù)、中文分詞技術(shù)，實(shí)現(xiàn)網(wǎng)絡(luò)信息的自動(dòng)采集與結(jié)構(gòu)化存儲(chǔ);二是話題發(fā)現(xiàn)技術(shù)，通過文本聚類算法，將采集并處理的文本聚為表示不同

3、話題的文檔集，形成各個(gè)話題簇，運(yùn)用統(tǒng)計(jì)學(xué)方法建立話題發(fā)現(xiàn)模型，進(jìn)行熱點(diǎn)分析;三是改進(jìn)傳統(tǒng)的話題發(fā)現(xiàn)技術(shù)，構(gòu)建了一個(gè)基于語義分析的熱點(diǎn)話題發(fā)現(xiàn)模型框架，利用語義Web及本體技術(shù)中的相關(guān)知識(shí)改進(jìn)文本聚類中的各個(gè)子模塊，主要是對(duì)文本表示模型和文本相似度計(jì)算兩個(gè)子模塊做了改進(jìn);四是通過實(shí)驗(yàn)數(shù)據(jù)，從查準(zhǔn)率和查全率等方面對(duì)傳統(tǒng)方法和改進(jìn)方法的結(jié)果進(jìn)行比對(duì);五是通過對(duì)信息采集和網(wǎng)頁(yè)預(yù)處理的輔助模塊的了解、傳統(tǒng)話題聚類方法的研究、以及語義相關(guān)知識(shí)的重點(diǎn)