網(wǎng)絡(luò)輿情預(yù)警輔助決策支持系統(tǒng)模型及關(guān)鍵技術(shù)研究.pdf

1、隨著科技的進(jìn)步,互聯(lián)網(wǎng)獲得突飛猛進(jìn)的發(fā)展,網(wǎng)絡(luò)輿情已經(jīng)成為社會輿情的初級形態(tài)和原始來源,很多影響較大的社會輿情都發(fā)端于互聯(lián)網(wǎng),“網(wǎng)絡(luò)輿情”為研究突發(fā)性群體事件提供了一個嶄新視角。對網(wǎng)絡(luò)輿情的研讀、研判和研討將能夠在龐大的社會體系中創(chuàng)造一個清晰的聚焦鏡和精確的刻度尺,以便摸清社會動態(tài)的脈搏。
　　網(wǎng)絡(luò)輿情預(yù)警輔助決策支持系統(tǒng)及其關(guān)鍵技術(shù)是目前網(wǎng)絡(luò)輿情領(lǐng)域的研究熱點(diǎn),許多關(guān)鍵技術(shù)尚處于研究探討之中。在國務(wù)院新聞辦公室項目、北京市網(wǎng)絡(luò)監(jiān)

2、管辦項目資助下,本論文從體系結(jié)構(gòu)模型、軟件設(shè)計以及數(shù)據(jù)采集、負(fù)載均衡、數(shù)據(jù)抽取、數(shù)據(jù)挖掘技術(shù)等方面進(jìn)行了較為深入的研究并取得了創(chuàng)新。概括起來主要包括以下幾個方面:
　　1、提出了網(wǎng)絡(luò)輿情預(yù)警輔助決策支持系統(tǒng)模型。模型對系統(tǒng)按層次進(jìn)行劃分,實(shí)現(xiàn)了信息采集、抽取、加工、挖掘利用的一體化,使系統(tǒng)運(yùn)行效率高,而且易于擴(kuò)展。
　　2、針對目前服務(wù)器集群使用的負(fù)載均衡算法所存在的缺陷,服務(wù)器可能出現(xiàn)較大傾斜,本文提出了一種基于粗糙集理論

3、的動靜結(jié)合的負(fù)載均衡算法。該算法避免了服務(wù)器間負(fù)載的不均衡,能有效地防止服務(wù)器傾斜的發(fā)生,提高了集群系統(tǒng)的整體性能。
　　3、基于現(xiàn)有WEB信息抽取的不足,提出一種面向?qū)傩缘淖詣映槿》椒?該方法運(yùn)用論壇概念模型(Ontology)自動構(gòu)造包裝器,較好的解決了現(xiàn)有的抽取方法準(zhǔn)確性差、通用性不強(qiáng)的問題。
　　4、本文另一重要內(nèi)容是提出了在任意初始分類基礎(chǔ)上以較高可信度實(shí)現(xiàn)全局最優(yōu)聚類的優(yōu)化算法。新算法主要包含三個過程:收縮過程、

4、擴(kuò)張過程和合并分割過程。本文以Matlab平臺編制了算法軟件,模擬和實(shí)例試驗表明,新方法具有很好的聚類效果,能較大程度高效實(shí)現(xiàn)各種類型數(shù)據(jù)的全局最優(yōu)聚類。
　　5、基于關(guān)聯(lián)規(guī)則分類算法,提出了改進(jìn)的超規(guī)則J-度量修剪策略和CDD類別區(qū)分度改進(jìn)算法。
　　6、針對話題追蹤中訓(xùn)練正例稀疏的問題,對傳統(tǒng)的KNN分類方法進(jìn)行了有效地改進(jìn)并用于話題追蹤,此外,還在話題追蹤過程中加入時間窗策略,有效降低了計算的復(fù)雜度。最后的實(shí)驗結(jié)果也驗