【正文】 活的定義多種報表模板。假設(shè)我們一共有K個話題，那么我們需要設(shè)置一個合適的類別數(shù)用于聚類，該數(shù)目應(yīng)該大于K。最終輸出的分類器為：。第i篇文章可以用特征向量表示為：針對每一維有一個弱分類器：其中，是一個閾值，該閾值保證弱分類器的正確率在50%以上。而針對不同話題（醫(yī)療，教育，公安等）的分類，我們可以簡單地將教育和公安等話題分為非醫(yī)療類文章。新聞采集模塊會采集新的新聞，而評論采集系統(tǒng)則會選擇系統(tǒng)里面采集到的指定時間段內(nèi)的新聞去采集其評論，并在數(shù)據(jù)層面將評論和其所針對的新聞關(guān)聯(lián)起來。為完成該應(yīng)用系統(tǒng)，需要進行平臺的設(shè)計和實現(xiàn) 數(shù)據(jù)的收集(1)微博的采集由于微博數(shù)量眾多，并且不少微博系統(tǒng)需要你有了微博的ID以后才可以查看到別人的微博信息，為簡化采集流程，本系統(tǒng)的微博采集的主要思路是我們會注冊一些ID去關(guān)注（FOLLOW）那些作為采集目標(biāo)的微博，這樣登錄這些ID以后就會看到所關(guān)注的微博的更新。申請人單位已經(jīng)具有了文章的傾向性分析算法。項目申請人所在單位已經(jīng)具備了一般的博客和論壇的數(shù)據(jù)收集子系統(tǒng)。綜上所述，從算法角度看，目前的研究算法在短文本的分類，傾向性分析方面，在垃圾文章的過濾等方面還遠遠不夠。已有的文本傾向性分類研究主要有以下三類方法，這些方法在解決一些特定問題上已經(jīng)取得了不錯的效果。突發(fā)檢測（Burst Detection）算法是針對關(guān)鍵詞頻度曲線的突變性分析的有效方法。這對提高政府管理和服務(wù)水平意義重大，對于社會的穩(wěn)定和發(fā)展意義重大，對于社會的發(fā)展和進步意義重大。對于政府來說，一方面，網(wǎng)民會在互聯(lián)網(wǎng)上發(fā)表自己對政策以及政府部門的觀點、意見和看法。如此數(shù)量龐大的網(wǎng)民群體，加之以自由言論的網(wǎng)絡(luò)氛圍和形態(tài)豐富多樣的網(wǎng)絡(luò)媒體形式，造成了互聯(lián)網(wǎng)上海量的輿論話題。一些看似平常的小事往往會釀成群體性事件。實際上，網(wǎng)絡(luò)異常監(jiān)測對于政府部門更為重要。最新的方法是采用Dirichlet Compound Multinomial Latent Dirichlet Allocation(DCMLDA)模型將話題檢測和詞頻突發(fā)性檢測結(jié)合在一起進行建模。第二種是基于語義的方法，先提取文本中代表情緒傾向的詞匯，再對其進行統(tǒng)計計算，根據(jù)特定公式得出傾向性得分，這可以參考Turney 的工作。4. 項目目標(biāo)和研發(fā)內(nèi)容 項目目標(biāo)通過本課題的實施，將構(gòu)建一個具備先進采集和分析功能的互聯(lián)網(wǎng)輿情系統(tǒng)。(二)數(shù)據(jù)分析。主要是指根據(jù)公安等系統(tǒng)的工作方式和要求，制作和生成需要的報告。當(dāng)關(guān)注的微博數(shù)量超過微博系統(tǒng)所允許的關(guān)注目標(biāo)數(shù)以后，才需要注冊更多的ID。下面對于其中涉及的三個子問題描述可能采取的技術(shù)路線。具體做法是：先采用分詞工具提取全樣本集（訓(xùn)練和測試）的關(guān)鍵詞，然后去掉無意義的詞語（語氣詞，連接詞等）得到一個關(guān)鍵詞表，該詞表共有N個關(guān)鍵詞。若，初始化其權(quán)重為，若，初始化其權(quán)重為。我們考慮的另一個思路是先聚類再分類。根據(jù)得到的標(biāo)簽數(shù)據(jù)，進行分類器設(shè)計。 信息的發(fā)送信息的發(fā)送主要分為預(yù)警模塊和通訊模塊，如圖4所示。而對于突發(fā)事件，系統(tǒng)將第一時間以緊急情況警報的形式（郵件、手機短信、電話等）通知相關(guān)人員。(4)應(yīng)用服務(wù)應(yīng)用服務(wù)模塊對數(shù)據(jù)管理員及終端客戶提供各種數(shù)據(jù)服務(wù)。數(shù)據(jù)庫需要同時支持格式化數(shù)據(jù)抽取和快速數(shù)據(jù)搜索。a. 深厚的技術(shù)積累。萬里學(xué)院作為項目主持單位，在信息技術(shù)研究方面具有優(yōu)秀的人才團隊（電子信息學(xué)院、互聯(lián)網(wǎng)技術(shù)研究中心、網(wǎng)絡(luò)中心），團隊具有極強的創(chuàng)新意識。另外，還可以為課題研發(fā)提供實驗和測試環(huán)境。（）。這部分的難點在于接口協(xié)議的設(shè)計和軟件的設(shè)計和實現(xiàn)。為此，需要設(shè)計和實現(xiàn)算法實現(xiàn)數(shù)據(jù)的自動預(yù)處理。至1） 報告生成模塊子系統(tǒng)的研發(fā)2） 信息發(fā)送模塊子系統(tǒng)的研發(fā)3） 完成系統(tǒng)各個模塊子系統(tǒng)的自測；4） 完成系統(tǒng)平臺搭建與聯(lián)測；至1） 對整個系統(tǒng)進行改進與完善；2） 與公安網(wǎng)絡(luò)系統(tǒng)對接，進行系統(tǒng)試用測試；3） 發(fā)表項目相關(guān)論文，申請相關(guān)國家專利。第 13 頁 共 13