基于WEB挖掘和文本分析的動態(tài)網(wǎng)絡輿情預警研究.pdf

1、隨著互聯(lián)網(wǎng)的日益普及，網(wǎng)絡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。人們獲得信息的時效性空前提高，由此帶來的網(wǎng)絡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產(chǎn)生很大的波動。網(wǎng)絡空間容易成為境內(nèi)外反動勢力利用的工具，從而引發(fā)社會的動蕩，危害國家和社會的穩(wěn)定。境內(nèi)外反動勢力發(fā)起的輿論戰(zhàn)，早已蔓延到網(wǎng)絡空間，成為日益激烈的主戰(zhàn)場。面對網(wǎng)絡輿論戰(zhàn)，對網(wǎng)絡輿情進行研究，及時發(fā)現(xiàn)輿情并有針對性的進行預警具有

2、十分重要的意義。
　　本文從WEB挖掘和文本分析兩方面，對動態(tài)網(wǎng)絡輿情預警進行了研究。研究包括了網(wǎng)絡輿情的采集、分詞、聚類和情感傾向性分析，目的是能夠及時發(fā)現(xiàn)特定領域內(nèi)的網(wǎng)絡輿情并判斷其嚴重性和發(fā)展趨勢。本文以WEB挖掘為網(wǎng)絡輿情分析的主要方法，提出了網(wǎng)絡輿情分析的模型。針對網(wǎng)絡輿情特點，通過對WEB文本進行文本分析，計算出文本的情感傾向，從而為網(wǎng)絡輿情預警提供依據(jù)。本文的主要工作為：
　　1、網(wǎng)絡爬蟲算法。分析網(wǎng)絡輿情首先

3、需要得到網(wǎng)絡上的有關數(shù)據(jù)，需要通過網(wǎng)絡爬蟲來獲取網(wǎng)絡數(shù)據(jù)信息。本文通過分析，結合WEB挖掘，提出以主題爬蟲作為網(wǎng)絡輿情數(shù)據(jù)采集的方法，提高了數(shù)據(jù)采集的準確性。
　　2、文本分詞。分詞作為文本分析的第一步存在其技術難點：中文分詞。本文通過對各種分詞方法的比較，結合體現(xiàn)網(wǎng)絡輿情的WEB文本特點，引入多字詞字典，提出了改進的最大匹配分詞法，提高了分詞的準確性與效率。
　　3、聚類算法。本文在網(wǎng)絡輿情分析中提出通過聚類，先對WEB文

4、本進行初級分類。經(jīng)過對各種文本聚類算法的比較和分析，針對體現(xiàn)網(wǎng)絡輿情的WEB文本所具有的共性特點，通過加入標志文本集，對K-MEANS算法進行了改進，提高了聚類的準確性和效率。
　　4、文本情感傾向性研究。作為對網(wǎng)絡輿情的分析最終得出的結論，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法，提出了模式匹配與基于屬性權重樸素貝葉斯分類器結合的情感傾向性分析方法，提高了情感分類的