基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)輿情論文范文

本站小編為你精心準(zhǔn)備了基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)輿情論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

1網(wǎng)絡(luò)輿情分析模型

網(wǎng)絡(luò)輿情分析模型架構(gòu)如圖1所示，其中網(wǎng)絡(luò)數(shù)據(jù)抽取與預(yù)處理是基礎(chǔ)，輿情分析引擎是關(guān)鍵，該引擎主要利用數(shù)據(jù)挖掘技術(shù)來(lái)實(shí)現(xiàn)，包括分類、聚類、關(guān)聯(lián)規(guī)則和異常檢測(cè)，最終能夠?qū)崿F(xiàn)熱點(diǎn)識(shí)別、話題追蹤和輿情預(yù)警的功能。

1.1網(wǎng)絡(luò)數(shù)據(jù)采集與預(yù)處理網(wǎng)絡(luò)上存在海量的各種異構(gòu)資源，例如文本、圖片、音頻、視頻等。輿情分析的第一步就是將各種數(shù)據(jù)采集來(lái)，可以利用開(kāi)源的網(wǎng)絡(luò)數(shù)據(jù)抓取軟件進(jìn)行，例如WebDataExtractor等。采集來(lái)的數(shù)據(jù)不規(guī)范，需要做進(jìn)一步處理，例如聚集、抽樣、特征創(chuàng)建、特征子集選擇和變量變換等。預(yù)處理后的數(shù)據(jù)將會(huì)寫(xiě)入數(shù)據(jù)中心，以便輿情分析引擎調(diào)用。

1.2數(shù)據(jù)挖掘數(shù)據(jù)挖掘可以從收集的大量數(shù)據(jù)集中發(fā)現(xiàn)有價(jià)值的信息，包括：分類、聚類、關(guān)聯(lián)規(guī)則和異常檢測(cè)等。輿情分析引擎的設(shè)計(jì)主要依托數(shù)據(jù)挖掘技術(shù)。分類又稱為監(jiān)督學(xué)習(xí)，是指從給定的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到一個(gè)分類模型。分類法包括：基于規(guī)則的分類法、決策樹(shù)分類法、神經(jīng)網(wǎng)絡(luò)分類法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯分類法等。分類方法的主要目標(biāo)是建立具有很好泛化能力的模型。網(wǎng)絡(luò)上的數(shù)據(jù)是以主題形式進(jìn)行組織，常見(jiàn)主題有：政治、財(cái)經(jīng)、體育、娛樂(lè)、軍事等。根據(jù)已有數(shù)據(jù)，利用分類技術(shù)，能學(xué)習(xí)生產(chǎn)一個(gè)判別模型，該模型能實(shí)現(xiàn)對(duì)新的網(wǎng)頁(yè)自動(dòng)分類，這在新聞推送方面具有重要應(yīng)用價(jià)值。聚類分析[9]（ClusterAnalysis）是一個(gè)無(wú)監(jiān)督的學(xué)習(xí)過(guò)程，在發(fā)現(xiàn)數(shù)據(jù)分析和模式中起著十分重要的作用，其形式化描述為：給定數(shù)據(jù)集合D=｛x1，x2，…，xn｝，其中xi為數(shù)據(jù)對(duì)象，根據(jù)數(shù)據(jù)對(duì)象之間的相似度將數(shù)據(jù)集合劃分成k個(gè)不同的子集：C1，C2，…，Ck（k≤n），則對(duì)于坌i，j∈[1，k]，且為正整數(shù)，使得Ci≠覫，Ui=1kCi=D，且Ci∩Cj=覫成立。物以類聚，人以群分是對(duì)聚類技術(shù)的直觀解釋。各種社交網(wǎng)絡(luò)中，存在著微博“大V”，也稱為“意見(jiàn)領(lǐng)袖”。這些“大V”用戶擁有很多粉絲，他們的言行會(huì)對(duì)網(wǎng)絡(luò)輿論空間產(chǎn)生重大的影響，甚至左右輿論方向。

科學(xué)合理地分析這些“意見(jiàn)領(lǐng)袖”的內(nèi)容，就抓住了社會(huì)網(wǎng)絡(luò)分析的主要方面。而聚類技術(shù)能夠快速識(shí)別出設(shè)計(jì)社會(huì)網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖。關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫(kù)中屬性之間存在的潛在關(guān)系的規(guī)則，形式為X→Y，其中，X稱為規(guī)則前件（an-tecedent），Y稱為規(guī)則后件（consequent）。項(xiàng)目集間的關(guān)聯(lián)規(guī)則的含義為：如果X出現(xiàn)在一條交易中，那么Y在這條交易中同時(shí)出現(xiàn)的可能性比較高。每條規(guī)則都對(duì)應(yīng)兩個(gè)指標(biāo)最小支持度（minsupport）和最小置信度（minconfidence），用來(lái)衡量它的興趣度。異常檢測(cè)的目標(biāo)是發(fā)現(xiàn)與大部分?jǐn)?shù)據(jù)不同的對(duì)象，也稱為離群點(diǎn)檢測(cè)（outlierdetection）、偏差檢測(cè)（deviationdetection）。異常檢測(cè)的方法主要有基于模型的技術(shù)、基于近鄰度的技術(shù)和基于密度的技術(shù)。論壇中，各網(wǎng)民都是針對(duì)特定主題進(jìn)行發(fā)帖、回復(fù)或轉(zhuǎn)發(fā)的。如何發(fā)現(xiàn)一個(gè)新的帖子，與已有帖子內(nèi)容的相似度極小，則該帖子為異常點(diǎn)。需要對(duì)該帖子格外關(guān)注，做進(jìn)一步的語(yǔ)義分析。

2網(wǎng)絡(luò)輿情展現(xiàn)

網(wǎng)絡(luò)上，用戶經(jīng)常會(huì)針對(duì)某一事件展開(kāi)討論，有大量用戶參與討論的事件和話題稱為熱點(diǎn)話題。根據(jù)數(shù)據(jù)中心的內(nèi)容，例如網(wǎng)頁(yè)的關(guān)鍵詞，回帖的數(shù)目，轉(zhuǎn)發(fā)的數(shù)量等，借用數(shù)據(jù)挖掘技術(shù)可以計(jì)算出各話題的熱度值。網(wǎng)絡(luò)上有海量信息，用戶沒(méi)有精力一一關(guān)注。本網(wǎng)絡(luò)輿情分析模型可以挑選出熱度值較高的話題反饋給用戶。網(wǎng)絡(luò)空間是真實(shí)社會(huì)空間的縮影，輿情分析模型中也引入社會(huì)網(wǎng)絡(luò)分析（SocialNetworkAnalysis）的方法。話題追蹤就是根據(jù)特定主題，利用相關(guān)技術(shù)，把該主題相關(guān)后續(xù)信息都搜集起來(lái)的方法。為實(shí)現(xiàn)話題追蹤，應(yīng)先建立話題模型，常用的話題模型是向量空間模型（VectorSpaceModel）。在計(jì)算各話題間的相似度，常用的相似度有歐幾里得距離、閔可夫斯基距離等。

3結(jié)語(yǔ)

國(guó)家需要了解社情民意，這樣才能夠制定出正確的方針、政策。網(wǎng)絡(luò)媒體是廣大網(wǎng)民表達(dá)自身觀點(diǎn)的重要渠道，做好網(wǎng)絡(luò)輿情分析具有重要意義。本文提出了一種基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)輿情分析模型，運(yùn)用分類、聚類、關(guān)聯(lián)規(guī)則和異常檢測(cè)等方法，來(lái)實(shí)現(xiàn)熱點(diǎn)識(shí)別、話題追蹤和情感傾向性分析等功能。網(wǎng)絡(luò)上存在海量的、異構(gòu)的數(shù)據(jù)資源，如何高效地整合這些資源、設(shè)計(jì)針對(duì)大數(shù)據(jù)的計(jì)算、分析和挖掘算法，是設(shè)計(jì)網(wǎng)絡(luò)輿情分析產(chǎn)品的關(guān)鍵，也是進(jìn)一步努力的方向。

作者：趙紀(jì)濤王婷單位：許昌學(xué)院信息工程學(xué)院許昌學(xué)院圖書(shū)館