基于WEB挖掘和文本分析的動(dòng)態(tài)網(wǎng)絡(luò)輿情預(yù)警研究.pdf

1、隨著互聯(lián)網(wǎng)的日益普及，網(wǎng)絡(luò)媒體作為新興媒體在廣大群眾，尤其是年輕一代人群中得到迅速推廣。人們獲得信息的時(shí)效性空前提高，由此帶來(lái)的網(wǎng)絡(luò)輿情不確定性也大為提高。在此背景下，人們的思想在海量信息的沖擊下會(huì)產(chǎn)生很大的波動(dòng)。網(wǎng)絡(luò)空間容易成為境內(nèi)外反動(dòng)勢(shì)力利用的工具，從而引發(fā)社會(huì)的動(dòng)蕩，危害國(guó)家和社會(huì)的穩(wěn)定。境內(nèi)外反動(dòng)勢(shì)力發(fā)起的輿論戰(zhàn)，早已蔓延到網(wǎng)絡(luò)空間，成為日益激烈的主戰(zhàn)場(chǎng)。面對(duì)網(wǎng)絡(luò)輿論戰(zhàn)，對(duì)網(wǎng)絡(luò)輿情進(jìn)行研究，及時(shí)發(fā)現(xiàn)輿情并有針對(duì)性的進(jìn)行預(yù)警具有

2、十分重要的意義。
　　本文從WEB挖掘和文本分析兩方面，對(duì)動(dòng)態(tài)網(wǎng)絡(luò)輿情預(yù)警進(jìn)行了研究。研究包括了網(wǎng)絡(luò)輿情的采集、分詞、聚類(lèi)和情感傾向性分析，目的是能夠及時(shí)發(fā)現(xiàn)特定領(lǐng)域內(nèi)的網(wǎng)絡(luò)輿情并判斷其嚴(yán)重性和發(fā)展趨勢(shì)。本文以WEB挖掘?yàn)榫W(wǎng)絡(luò)輿情分析的主要方法，提出了網(wǎng)絡(luò)輿情分析的模型。針對(duì)網(wǎng)絡(luò)輿情特點(diǎn)，通過(guò)對(duì)WEB文本進(jìn)行文本分析，計(jì)算出文本的情感傾向，從而為網(wǎng)絡(luò)輿情預(yù)警提供依據(jù)。本文的主要工作為：
　　1、網(wǎng)絡(luò)爬蟲(chóng)算法。分析網(wǎng)絡(luò)輿情首先

3、需要得到網(wǎng)絡(luò)上的有關(guān)數(shù)據(jù)，需要通過(guò)網(wǎng)絡(luò)爬蟲(chóng)來(lái)獲取網(wǎng)絡(luò)數(shù)據(jù)信息。本文通過(guò)分析，結(jié)合WEB挖掘，提出以主題爬蟲(chóng)作為網(wǎng)絡(luò)輿情數(shù)據(jù)采集的方法，提高了數(shù)據(jù)采集的準(zhǔn)確性。
　　2、文本分詞。分詞作為文本分析的第一步存在其技術(shù)難點(diǎn)：中文分詞。本文通過(guò)對(duì)各種分詞方法的比較，結(jié)合體現(xiàn)網(wǎng)絡(luò)輿情的WEB文本特點(diǎn)，引入多字詞字典，提出了改進(jìn)的最大匹配分詞法，提高了分詞的準(zhǔn)確性與效率。
　　3、聚類(lèi)算法。本文在網(wǎng)絡(luò)輿情分析中提出通過(guò)聚類(lèi)，先對(duì)WEB文

4、本進(jìn)行初級(jí)分類(lèi)。經(jīng)過(guò)對(duì)各種文本聚類(lèi)算法的比較和分析，針對(duì)體現(xiàn)網(wǎng)絡(luò)輿情的WEB文本所具有的共性特點(diǎn)，通過(guò)加入標(biāo)志文本集，對(duì)K-MEANS算法進(jìn)行了改進(jìn)，提高了聚類(lèi)的準(zhǔn)確性和效率。
　　4、文本情感傾向性研究。作為對(duì)網(wǎng)絡(luò)輿情的分析最終得出的結(jié)論，文本情感傾向性研究有很多方法。本文分析了文本情感傾向性研究的各種方法后，選擇了效果較好的樸素貝葉斯分類(lèi)法，提出了模式匹配與基于屬性權(quán)重樸素貝葉斯分類(lèi)器結(jié)合的情感傾向性分析方法，提高了情感分類(lèi)的