基于輿情分析研判的突發(fā)事件預(yù)警平臺的設(shè)計與實現(xiàn).pdf

1、目前，互聯(lián)網(wǎng)上的信息迅速增長，輿情分析研判已成為人們獲取信息最經(jīng)濟(jì)快捷的方式之一。但傳統(tǒng)輿情分析研判存在返回結(jié)果量大、準(zhǔn)確度不太高的缺陷，耗費(fèi)了用戶的時間和精力。輿情分析研判的質(zhì)量受很多因素影響，從數(shù)據(jù)源的角度看，網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警噪聲會影響對網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警主題的索引，降低搜索準(zhǔn)確性；從搜索返回結(jié)果看，鏈接注釋對用戶選擇點(diǎn)擊鏈接起關(guān)鍵提示作用，低質(zhì)量的注釋很可能會誤導(dǎo)用戶。本文從Web頁面解析去噪

2、和網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警自動文摘技術(shù)兩方面來探索提高輿情分析研判質(zhì)量的途徑。
　　本文設(shè)計并實現(xiàn)了一種改進(jìn)型的網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警DOM樹剪裁去噪方法。該算法通過對互聯(lián)網(wǎng)主流新聞網(wǎng)站的網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警源信息流進(jìn)行統(tǒng)計、分析，將半結(jié)構(gòu)化的HTML源代碼解析成一棵精簡的DOM樹。然后依據(jù)噪聲與有用信息的差異性構(gòu)建出DOM樹的剪裁去噪策略。該策略在對后續(xù)數(shù)百萬網(wǎng)頁輿情分析研判的突發(fā)群體性

3、事件預(yù)警的實時處理中不斷修正，完善，并逐漸將網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警去噪范圍擴(kuò)展到整個互聯(lián)網(wǎng)。該去噪方式，不受網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警風(fēng)格的限制，具有比較高的質(zhì)量和效率。
　　上述去噪技術(shù)有三個特點(diǎn)：
　?、匐p重網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警類型判斷策略，其判斷正確率為95.20％。
　?、陔p重網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警正文定位機(jī)制，其正文準(zhǔn)確召回率為95.048%。
　　

4、③提出了八項網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警去噪質(zhì)量評估指標(biāo)，使得質(zhì)量評估更準(zhǔn)確、全面。
　　在網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警去噪的基礎(chǔ)上，本文設(shè)計并實現(xiàn)了一種基于自動摘錄和篇章結(jié)構(gòu)相結(jié)合的網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警自動文摘技術(shù)。該技術(shù)具有領(lǐng)域不受限和高效的優(yōu)點(diǎn)。用類似于提取網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警全文摘要的方式，本文提取了網(wǎng)頁輿情分析研判的突發(fā)群體性事件預(yù)警多主題摘要，并提出將其作為輿情分析研判返