基于內(nèi)容的新浪微博輿情預測研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)成為了人們獲取信息和發(fā)表意見的重要載體。新浪微博以其短小精悍、表達方式簡單等特征，吸引了大量的用戶。當今的新浪微博月活兩億以上，日活達到千萬數(shù)量，微博用戶每時每刻在平臺上進行大量的博文輸出，用戶轉(zhuǎn)評贊活躍。
　　微博在給信息傳播和熱點討論帶來便利的同時也給虛假信息的滋生創(chuàng)造了條件，負面、虛假信息的傳播不僅會擾亂和諧的網(wǎng)絡(luò)環(huán)境也會給社會帶來負面的影響。然而微博平臺數(shù)據(jù)龐大，如果僅依靠人為的操作和管理不僅獲取

2、的信息量有限而且會消耗大量的人力物力。輿情監(jiān)控系統(tǒng)既可以實現(xiàn)及時地發(fā)現(xiàn)熱點事件，又可將整個監(jiān)控過程平臺化、自動化，實現(xiàn)了高效地運作。
　　本文使用文本挖掘的相關(guān)技術(shù)，實現(xiàn)了對海量博文的分類和聚類。在文本向量化階段使用分布式卡方特征提取法降維，tfidf值計算權(quán)重。采用支持向量機的分類方法和kmeans的聚類方法。在文本分類和聚類的基礎(chǔ)上形成事件。通過博文總量的轉(zhuǎn)發(fā)、評論和點贊數(shù)計算事件熱度。最終形成熱點事件的監(jiān)控數(shù)據(jù)。并可實現(xiàn)歷史