【導(dǎo)讀】情則是網(wǎng)絡(luò)輿情的重要組成部分，它的特點(diǎn)有：直接性，突發(fā)性，偏差性，豐富性和互動(dòng)性。過(guò)對(duì)抓取數(shù)據(jù)的分析發(fā)現(xiàn)了微博傳播的單向性，便捷性，背對(duì)臉等特點(diǎn)，還有微博意見(jiàn)領(lǐng)袖在微博傳播中的重要作用，微博熱點(diǎn)的產(chǎn)生規(guī)律。對(duì)數(shù)據(jù)分析的結(jié)果提出了趨勢(shì)分析的算法。利用空間向量模型完成對(duì)微博

　　

【正文】 則不一樣，轉(zhuǎn)發(fā)量為 724，最終 傳播用戶量接近 10 萬(wàn) ， 在 一定范圍內(nèi)也成為了熱點(diǎn)，而它的傳播時(shí)間圖就和起點(diǎn)很高的南方周末的圖形很不一樣，有著較高的轉(zhuǎn)發(fā)率，雖然廣度不及南方周末，但也 成為 過(guò)熱點(diǎn)話題 。 從 兩者 的傳播圖形中可以看出，轉(zhuǎn)發(fā)率并不 能成為 熱點(diǎn) 評(píng)估 的標(biāo)準(zhǔn) 。兩種 模式中，有一共同點(diǎn)則是 都曾經(jīng) 出現(xiàn)過(guò) 短時(shí)間內(nèi)的傳播量激增， 然后成為 熱點(diǎn)，根據(jù) 這一 特性 設(shè)計(jì) 了 趨勢(shì) 分析模塊， 從最早的意見(jiàn)領(lǐng)袖開(kāi)始，每出現(xiàn)一個(gè)意見(jiàn)領(lǐng)袖， 提取 這一 意見(jiàn)領(lǐng)袖后一小時(shí)的意見(jiàn)領(lǐng)袖的傳播廣度， 設(shè)定 不同的 M值 （一小時(shí) 內(nèi)微博傳播量），根據(jù)以往 數(shù)據(jù)可以得出， M值在 5000 以下 為藍(lán)色級(jí)基本無(wú)威脅，在 10000 到北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 27 50000 為黃色 級(jí)，需要注意，有很大概率成為熱點(diǎn)，而 50000 以上 則肯定成為熱點(diǎn)，但持續(xù)時(shí)間 還未 能有效的分級(jí)，也就是 還 不能 對(duì) 橙色 和 紅色 級(jí)進(jìn)行有效分級(jí)，但已能區(qū)分熱點(diǎn)與否 。當(dāng) M值在 5000 到 10000 時(shí) ，成為熱點(diǎn)的概率經(jīng)過(guò)統(tǒng)計(jì)在 50%左右，而如果 M值在 5000 到 10000 之間 出現(xiàn)的次數(shù)能達(dá)到兩次，則成為熱點(diǎn)的概率能大大提高，大概能達(dá)到 80%左右，所以 若 M 值在 5000到 10000 之間 時(shí)，統(tǒng)計(jì) M值 的 次數(shù)， 若 只出現(xiàn)一次，則為 藍(lán)色 級(jí)，若出現(xiàn)兩次 或 以上，為黃色級(jí) 。 而 若 10000 以上 也出現(xiàn)兩次或 以上，則分為橙色級(jí)，也就是很可能成為多日熱點(diǎn)。 圖 45 轉(zhuǎn)發(fā) 量時(shí)間曲線圖北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 28 圖 46 微博 達(dá)人模式 圖 圖 47 媒體模式 傳播 圖 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 29 趨勢(shì) 分析結(jié)果比較 利用 趨勢(shì)分析 模塊對(duì) 微博 消息 進(jìn)行分析 ， 對(duì) 分析 結(jié)果與最終消息走勢(shì)進(jìn)行 對(duì)比，結(jié)果如 圖 48 所示 ， 總共 測(cè)試了 15 組 微博消息， 媒體 模式 10組句子 和 微博達(dá)人 模式 5 組。 前 10 組 為媒體傳播模式的微博消息，其中 ―江蘇鹽城政府單位吃喝 27萬(wàn) ‖， ―南京 一郵局被強(qiáng)拆 ‖， ―埃及浮雕刻有‘丁錦昊到此一游 ’ ‖， ―人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真 ‖， ―鄭州暴雨 ‖，這 5 條 微博成為熱點(diǎn)，其 余 沒(méi)有成為熱點(diǎn) ， 趨勢(shì)分析模塊 沒(méi)有預(yù)測(cè)出 ―江蘇政府單位吃喝 ‖， ―人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真 ‖這 兩 條熱點(diǎn) ；誤 測(cè)了 ―李克強(qiáng)發(fā)表講話 ‖， ―人民日?qǐng)?bào)：農(nóng)村孩子為何不愿躍‘龍門(mén)’ ‖ 為 熱點(diǎn) ，準(zhǔn)確率 只 有 60%。 在 微博達(dá)人模式中， ―營(yíng)養(yǎng)餐食物變質(zhì)，營(yíng)養(yǎng)縮水，問(wèn)題不斷 ‖這條 熱點(diǎn)沒(méi)有預(yù)測(cè)出，但其他熱點(diǎn)均成功預(yù)測(cè)并且沒(méi)有 誤報(bào) 熱點(diǎn)， 準(zhǔn)確率 為 80%。 微博題目 熱點(diǎn)預(yù)警結(jié)果 消息最終走 勢(shì) 結(jié)果對(duì)比 李克強(qiáng)將在波茨坦會(huì)議舊址發(fā)表講話 黃色級(jí) 藍(lán)色級(jí) 錯(cuò)誤 江蘇鹽城政府單位吃喝 27萬(wàn) 黃色級(jí) 藍(lán)色級(jí) 錯(cuò)誤 南京一郵局被強(qiáng)拆 橙色級(jí) 橙色級(jí) 正確 李克強(qiáng)：無(wú)論多忙都要抽時(shí)間讀書(shū) 藍(lán)色級(jí) 藍(lán)色級(jí) 正確 埃及浮雕刻有“丁錦昊到此一游” 橙色級(jí) 紅色級(jí) 正確 人民日?qǐng)?bào)：農(nóng)村孩子為何不愿 黃色級(jí) 藍(lán)色級(jí) 錯(cuò)誤 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 30 躍“龍門(mén)” 人民日?qǐng)?bào)海外版：房地產(chǎn)商哭窮屬賣萌裝天真 藍(lán)色級(jí) 黃色級(jí) 錯(cuò)誤 鄭州暴雨 黃色級(jí) 黃色級(jí) 正確 江蘇男子坐冤獄 8年獲補(bǔ)償金 萬(wàn)元 藍(lán)色級(jí) 藍(lán)色級(jí) 正確 營(yíng)養(yǎng)餐食 物變質(zhì)，營(yíng)養(yǎng)縮水，問(wèn)題不斷 藍(lán)色級(jí) 黃色級(jí) 錯(cuò)誤 陳佩斯關(guān)于網(wǎng)絡(luò)輿論的評(píng)論 黃色級(jí) 黃色級(jí) 正確 王石：愛(ài)國(guó)主義與民族主義 黃色級(jí) 黃色級(jí) 正確 銀河 SOHO 環(huán)境監(jiān)測(cè) 藍(lán)色級(jí) 藍(lán)色級(jí) 正確 小學(xué)生作文《停車》 藍(lán)色級(jí) 藍(lán)色級(jí) 正確 Esports 海濤： G1聯(lián)賽 IG負(fù)于 LGD 黃色級(jí) 黃色級(jí) 正確 圖 48 分析 結(jié)果分析 圖 根據(jù)與 真實(shí)走向的對(duì)比，可以發(fā)現(xiàn)在微博達(dá)人模式中，趨勢(shì)分析 預(yù)警成為 熱點(diǎn)的結(jié)果的準(zhǔn)確率在 80%左右， 即使沒(méi)有 成為當(dāng)日熱點(diǎn) 也是 關(guān)注比較靠前的話題 。 而 媒體 模式中的準(zhǔn)確率就比較差強(qiáng)人意了 ，只有 60%左右，根據(jù) 實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)媒體本身?yè)碛斜姸喾劢z數(shù)，所以發(fā)表的消息雖然成為熱點(diǎn)的可能性非常大，但也總有 40%的新聞只是 新聞 ， 傳播 面廣 而沒(méi)有成為熱點(diǎn)，所以對(duì)媒體模式的更準(zhǔn)確預(yù)警分析有待 改進(jìn) 。 初步 設(shè)想對(duì)媒體認(rèn)證的意見(jiàn)領(lǐng)袖 傳播的 微博消息 加上 一個(gè)轉(zhuǎn)發(fā)率的對(duì)比，但 尚未 從 已知 數(shù)據(jù)中發(fā)現(xiàn)熱點(diǎn)與轉(zhuǎn)發(fā)率的明顯關(guān)系。 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 31 五 、 結(jié)論 與展望 系統(tǒng) 不足 盡管微博輿情 監(jiān)控技術(shù)日趨成熟， 但是微博 輿情本身 的 特點(diǎn)及復(fù)雜性使得微博輿情信息 的 處理不能 像 普通 文本信息 的 處理那樣進(jìn)行 。微博 輿情信息 與 普通 文本 的 最大區(qū)別在于 它 的擴(kuò)散性 和 不可控性 ， 信息內(nèi)容非常動(dòng)態(tài) 。 由于 時(shí)間 和精力有限，這個(gè)系統(tǒng)尚未做到盡善盡美，主要還存在以下幾個(gè)方面問(wèn)題： 動(dòng)態(tài)監(jiān)測(cè) 對(duì) 微博信息的實(shí)時(shí)獲取，是 趨勢(shì) 分析的 關(guān)鍵 ，由于新 浪 API 的限制 ，導(dǎo)致對(duì)微博 消息 的抓取有一定限制，在抓取數(shù)據(jù)時(shí)會(huì)有一定時(shí)間的延遲，在數(shù)據(jù)挖掘方面有待改進(jìn)。 而且 從系統(tǒng)功能方面，首先實(shí)現(xiàn)的是對(duì)指定微博內(nèi)容的熱點(diǎn)趨勢(shì)分析，而沒(méi)有實(shí)現(xiàn)從實(shí)時(shí)所有微博信息中發(fā)現(xiàn)熱點(diǎn)， 網(wǎng)絡(luò) 抓取技術(shù)這 方面有待改進(jìn)。 分析技術(shù) 漢語(yǔ) 語(yǔ)義的豐富性與 復(fù)雜 性導(dǎo)致中文分詞與語(yǔ)義分析的困難 ， 許多適用英文語(yǔ)義分析 的 算法 無(wú)法 用于中文 語(yǔ)義， 由于中文 語(yǔ)義 分析 需要建立自然語(yǔ)料庫(kù)，這方面 需要 的工作量過(guò)大，時(shí)間和精力不足，所以在這方面只有一些理論研究，沒(méi)有實(shí)現(xiàn)。 而 如果實(shí)現(xiàn)了 中文 語(yǔ)義分析 ， 充分解析 微博句子 或詞語(yǔ)， 對(duì)于 敏感話題識(shí)別和微博輿情趨勢(shì)分析將會(huì)有 重要 意義。 分析準(zhǔn)確率 從 的 結(jié)果分析中發(fā)現(xiàn)，對(duì)于媒體傳播模式的微博消息的 預(yù)警 準(zhǔn)確率 基帶 提高 ， 需要加入 文本 傾向性分析 和 轉(zhuǎn)發(fā)率等因素來(lái)提高 分析 準(zhǔn)確北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 32 率。 未來(lái) 展望 改進(jìn) 預(yù)期 由于技術(shù) 限制，對(duì)一些 傳播 特別廣的全國(guó) 范圍 性的 消息 熱點(diǎn)的 監(jiān)測(cè)沒(méi)能 實(shí)現(xiàn)， 希望能 對(duì)挖掘算法進(jìn)行改進(jìn)，完成對(duì)這 種熱點(diǎn)的特點(diǎn)分析和模型建立 。 通過(guò) 更多 的數(shù)據(jù)抓取來(lái)改進(jìn)微博意見(jiàn)領(lǐng)袖 影響力 算法。進(jìn)而 完成 對(duì)趨勢(shì)分析模塊的改進(jìn)，對(duì)趨勢(shì)分析模塊的初步改進(jìn)設(shè)想是將 微博傳播趨勢(shì)分析 進(jìn)行 分類，微博達(dá)人模式 適用 現(xiàn)行模塊， 媒體 模塊則需要重新設(shè)定參數(shù)，進(jìn)行修改，同 時(shí) 在趨勢(shì)分析模塊中加入文本傾向性分析，也就是語(yǔ)義分析模塊來(lái)提高微博分析的準(zhǔn)確性，并且實(shí)現(xiàn)對(duì)熱點(diǎn)的熱度分級(jí) 。 新增 功能 文本 傾向性分析模塊 傳統(tǒng)的輿情分析和調(diào)查主要采用靜態(tài)的手段，如：通過(guò)調(diào)查問(wèn)卷，電話和面談，國(guó)內(nèi)外都有不少專業(yè)的調(diào)查公司和院所參與調(diào)查問(wèn)題和場(chǎng)景的設(shè)計(jì)工作。 而網(wǎng)絡(luò)輿情分析系統(tǒng)是讓計(jì)算機(jī)去動(dòng)態(tài)的收集數(shù)據(jù)，對(duì)其進(jìn)行自動(dòng)分析形成輿情分析結(jié)果。網(wǎng)絡(luò)輿情分析系統(tǒng)所涉及的領(lǐng)域眾多，不過(guò)各個(gè)子領(lǐng)域的一些相關(guān)技術(shù)是可以互相參考和借鑒的。如美國(guó)專利局編號(hào)為 4930077 的專利提出了通過(guò)文本分析來(lái)預(yù)測(cè)輿情的方法加州大學(xué)伯克利分校社會(huì)科學(xué)計(jì)算實(shí)驗(yàn)室的 SDA 項(xiàng)目，主要針對(duì)網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行自動(dòng)分北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 33 析；國(guó)內(nèi)的方正智思是北大方正技術(shù)研究院挾多年積累的中文信息處理的技術(shù)，研發(fā)推出的一個(gè)中文智能信息挖掘與知識(shí)管理的軟件開(kāi)發(fā)包與服務(wù)系統(tǒng)。這些成型系統(tǒng)一般由數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析等模塊組成。 對(duì) 現(xiàn)有各種主題分類相關(guān)技術(shù)進(jìn)行研究，分類列出了這些技術(shù)中對(duì)文本傾向性分類仍然適用的方式和方法，并總結(jié)了其中面臨的主要技術(shù)瓶頸；通過(guò)列舉文本傾向性分類處理對(duì)象的特點(diǎn)規(guī)律，總結(jié)了在構(gòu)建傾向性分類器時(shí)需要著重考慮的問(wèn)題和因素。針對(duì)目前傾向性語(yǔ)義資源匱乏的現(xiàn)狀，收集和整理了當(dāng)前主要的基礎(chǔ)語(yǔ)義資源，分析了在構(gòu)建語(yǔ)義資源時(shí)需要考慮的因素，提出了用于傾向性分類的語(yǔ)義資源的構(gòu)建方法并實(shí)際構(gòu)建了一部領(lǐng)域極性詞典。 通過(guò) 加入語(yǔ)義分析模塊，可以 極大 提高 預(yù)警 的準(zhǔn)確率，實(shí)現(xiàn)對(duì)媒體模式微博消息的預(yù)警。 結(jié)束語(yǔ) 隨著網(wǎng)絡(luò) 在 全球 范圍內(nèi) 的 飛速發(fā)展， 網(wǎng)絡(luò)已經(jīng) 逐漸發(fā)展 成反映 社會(huì)輿情的 主要 載體 ， 微博輿情也成了網(wǎng)絡(luò)輿情的重要組成 部分 。 微博輿情 管理平臺(tái) 在 民意調(diào)查， 輿情 監(jiān)控 和 消息獲取 等 方面均有很大價(jià)值。 針對(duì)目前輿情 管理平臺(tái)的研究現(xiàn)狀， 本文 重在研究其中數(shù)據(jù)分析系統(tǒng)的內(nèi)容， 有 以下貢獻(xiàn)： 整合 中文分詞系統(tǒng)與 空間向量 模型 及 Kmeans 算法，實(shí)現(xiàn) 了對(duì)微博 數(shù)據(jù)的 轉(zhuǎn)化及聚類，給出了微博意見(jiàn)領(lǐng)袖的 評(píng)估 算法 及 對(duì)微博消息的預(yù)警等功能 。初步 實(shí)現(xiàn)了微博輿情管理平臺(tái)的功能。 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 34 參考文獻(xiàn) [1] 張洋 , 何楚杰 , 段俊文 , 等 . 微博輿情熱點(diǎn)分析系統(tǒng)設(shè)計(jì)研究 [J]. 信息網(wǎng) 絡(luò)安全 , 2020 (9): 6064 [2] 王藝 . 重大突發(fā)公共事件的微博輿情監(jiān)測(cè)與引導(dǎo)初探 [J]. 貴州民族學(xué)院學(xué)報(bào) : 哲學(xué)社會(huì)科學(xué)版 , 2020 (5): 148151 [3] 楊濤 . 智能信息處理技術(shù)在互聯(lián)網(wǎng)輿情分析中的應(yīng)用 [D]. 同濟(jì)大學(xué) , 2020 [4] 張超 . 文本傾向性分析在輿情監(jiān)控系統(tǒng)中的應(yīng)用研究 [D][D]. 北京 : 北京郵電大學(xué) , 2020. [5] 唐曉波 , 宋承偉 . 基于復(fù)雜網(wǎng)絡(luò)的微博輿情分析 [J]. 情報(bào)學(xué)報(bào) , 2020, 31(11): 11531162. [6] 王晶 , 朱珂 , 汪斌強(qiáng) . 基于信息數(shù)據(jù)分析的微博研究綜述 [J]. 計(jì)算機(jī)應(yīng)用 , 2020, 12(32): 7. [7] 莫溢 , 劉盛華 , 劉悅 , 等 . 一種相關(guān)話題微博信息的篩選規(guī)則學(xué)習(xí)算法 [J]. 中文信息學(xué)報(bào) , 2020, 26(5): 16. [8] 譚俊武 . 面向網(wǎng)絡(luò)輿情分析的文本傾向性分類技術(shù)的研究與實(shí)現(xiàn) [D][D]. 國(guó)防科學(xué)技術(shù)大學(xué) , 2020. [9] 陸浩 . 網(wǎng)絡(luò)輿情監(jiān)測(cè)研究與原型實(shí)現(xiàn) [D][D]. 北京 : 北京郵電大學(xué) , 2020. [10] 肖宇 , 許煒 , 商召璽 . 微博用戶區(qū)域影響力識(shí)別算法及分析 [J]. 計(jì)算機(jī)科學(xué) , 2020, 39(9): 3842. [11] 楊春霞 , 胡丹婷 , 胡森 . 微博病毒傳播模型研究 [J]. Computer Engineering, 2020, 38(15). 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁(yè) 35 [12] 李雯靜 , 許鑫 , 陳正權(quán) . 網(wǎng)絡(luò)輿情指標(biāo)體系設(shè)計(jì)與分析 [J]. 情報(bào)科學(xué) , 2020, 27(7): 986991. [13] 滕達(dá) . 基于趨勢(shì)分析的網(wǎng)絡(luò)輿情監(jiān)控系統(tǒng) (TANCMS) 的研究與實(shí)現(xiàn) [D]. 國(guó)防科學(xué)技術(shù)大學(xué) , 2020. [14] Larsen B, Aone C. Fast and effective text mining using lineartime document clustering[C]//Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 1999: 1622. [15] Kumar V, Tan P N, Steinbach M. Cluster analysis: basic concepts and algorithms[J]. Introduction to data mining, 2020: 487586. [16] Page L, Brin S, Motwani R, et al. The PageRank citation ranking: bringing order to the web[J]. 1999. 附錄Ⅰ： 翻譯原文 Cluster Analysis:Basic Concepts and Algorithms Cluster analysis divides data into groups (clusters) that are meaningful, useful,or both. If meaningful groups are the goal, then the clusters sho