【正文】 初步 實(shí)現(xiàn)了微博輿情管理平臺(tái)的功能。 通過 加入語義分析模塊，可以 極大 提高 預(yù)警 的準(zhǔn)確率，實(shí)現(xiàn)對媒體模式微博消息的預(yù)警。如美國專利局編號(hào)為 4930077 的專利提出了通過文本分析來預(yù)測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，主要針對網(wǎng)頁數(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 33 析；國內(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)管理的軟件開發(fā)包與服務(wù)系統(tǒng)。進(jìn)而 完成 對趨勢分析模塊的改進(jìn)，對趨勢分析模塊的初步改進(jìn)設(shè)想是將 微博傳播趨勢分析 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) 在趨勢分析模塊中加入文本傾向性分析，也就是語義分析模塊來提高微博分析的準(zhǔn)確性，并且實(shí)現(xiàn)對熱點(diǎn)的熱度分級(jí) 。 而 如果實(shí)現(xiàn)了 中文 語義分析 ， 充分解析 微博句子 或詞語， 對于 敏感話題識(shí)別和微博輿情趨勢分析將會(huì)有 重要 意義。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) 。 微博題目 熱點(diǎn)預(yù)警結(jié)果 消息最終走 勢 結(jié)果對比 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 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)：無論多忙都要抽時(shí)間讀書 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 人民日報(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 30 躍“龍門” 人民日報(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 萬元 藍(lán)色級(jí) 藍(lán)色級(jí) 正確 營養(yǎng)餐食 物變質(zhì)，營養(yǎng)縮水，問題不斷 藍(lán)色級(jí) 黃色級(jí) 錯(cuò)誤 陳佩斯關(guān)于網(wǎng)絡(luò)輿論的評論 黃色級(jí) 黃色級(jí) 正確 王石：愛國主義與民族主義 黃色級(jí) 黃色級(jí) 正確 銀河 SOHO 環(huán)境監(jiān)測 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)走向的對比，可以發(fā)現(xiàn)在微博達(dá)人模式中，趨勢分析 預(yù)警成為 熱點(diǎn)的結(jié)果的準(zhǔn)確率在 80%左右， 即使沒有 成為當(dāng)日熱點(diǎn) 也是 關(guān)注比較靠前的話題 。 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)。 趨勢 分析 模塊 對曾經(jīng) 成為過熱點(diǎn)的微博消息 的傳播特點(diǎn)進(jìn)行 整理 后，得出兩種熱點(diǎn)傳播模型，一種是傳統(tǒng)媒體在微博建立的用戶 的 傳播方式，一種是微博達(dá)人的消息傳播模式， 圖 45就是兩種 方式 的 轉(zhuǎn)發(fā) 量時(shí)間曲線圖， 例子 選擇則是 媒體 模式 選 擇 的是南方周末 “ 一名中國公民在波士頓爆炸案中遇難 ” 的消息傳播，微博達(dá)人模式選擇 的是“國學(xué) 大師 劉文典說過 的一句話 ” ， 圖 46 和 圖 47選擇 的是傳播量時(shí)間曲線圖， 其中 南方周末的微博消息 在一天的時(shí)間內(nèi)的轉(zhuǎn)發(fā)量為 997， 傳播用戶量 接近 500 萬 ，其中南方周末本身的 粉絲數(shù)量 就占了 近 450 萬 ，轉(zhuǎn)發(fā) 率 非常低，但是傳播范圍廣，依然是熱點(diǎn)，而微博達(dá)人模式則不一樣，轉(zhuǎn)發(fā)量為 724，最終 傳播用戶量接近 10 萬 ， 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 過熱點(diǎn)話題 。 微博用戶 對該輿情關(guān)注度低，傳播速度慢，輿情影響局限在較小范圍內(nèi)，沒有 成為當(dāng)日 熱點(diǎn) 的可能； 黃色級(jí) (Ⅲ級(jí) )：出現(xiàn)輿情。預(yù)警體現(xiàn)動(dòng)態(tài)的認(rèn)知，預(yù)案體現(xiàn)靜態(tài)的防范。 微博 輿情 預(yù)警 模塊 微博 輿情 預(yù)警 預(yù)警的概念源于對重大自然災(zāi)害征兆的研究。同時(shí)我們發(fā)現(xiàn) WeiboRank 算法和用戶的 followers 兩個(gè)序列的傳播影響人次覆蓋率比較相近，這說明如果在不太要求精確性的情況下，用戶粉絲數(shù)量基本上能夠反映用戶的傳播影響力。該數(shù)據(jù)是以用戶的微博信息在區(qū)域內(nèi)被真實(shí)傳播的過程中所能影響到的人次的實(shí)測結(jié)果為依據(jù)，將每個(gè)微博用戶所發(fā)出的所有微博的實(shí)測北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 24 影響人數(shù)進(jìn)行迭加獲得的每個(gè)微博用戶的真實(shí)傳播影響力。將所有節(jié)點(diǎn)的 WeiboRank 初始值設(shè)為 0． 1，通過迭代到收斂為止，可以得到所有用戶的 WR 值。其物理上表征在節(jié)點(diǎn) j 的所有鄰居的互動(dòng)關(guān)系中，節(jié)點(diǎn) i 相對于 j 的重要程度。 SC(i)為用戶 i 在監(jiān)測時(shí)間段內(nèi)所轉(zhuǎn)發(fā)的所有微博數(shù)量。本研究中邊權(quán)Wij 采用歷史轉(zhuǎn)發(fā)比率 Rt(i,j)來表示。每個(gè)節(jié)點(diǎn) 的 PR 值為所有鄰居好友對其貢獻(xiàn) PR值的綜合 WeiboRank 算法 微博中用戶的傳播影響力受到很多因素的影響，例如用戶的跟隨者數(shù)量、關(guān)注用戶量、帳號(hào)是否有認(rèn)證，以及微博本身的質(zhì)量、新鮮度等。這個(gè)重要性得分值為：PR（ T） /C(T) 其中 PR（ T）為 T 的 PageRank 值， C(T)為 T 的出鏈數(shù)，則 A的 PageRank值為一系列類似于 T 的頁面重要性得分值的累加。 PageRank 算法 著名的 PageRank 算法是衡量網(wǎng)絡(luò)中節(jié)點(diǎn)重要程度的經(jīng)典 算法。北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 20 圖 43 Kmeans 算法流程圖 Kmeans 算法的基本思想是： 先設(shè)置一個(gè)聚類 數(shù)目 n，系統(tǒng) 隨機(jī)選擇n個(gè)文本作為初始的 聚類 中心，然后挨個(gè)比較每個(gè)文本與各個(gè)類中心的 相似度 ，將它賦予給最相似的那 個(gè) 類中心所在的類 。 2． 隨機(jī)選擇 n個(gè)文本作為聚類中心。非監(jiān)督學(xué)習(xí)又稱歸納性學(xué)習(xí)（ clustering）利用 K 方式 (Kmeans)，建立中心（ centriole），通過循環(huán)和遞減運(yùn)算(iterationamp。一般實(shí)在是數(shù)據(jù)組中包含最終結(jié)果（ 0， 1）。稍為嚴(yán)格的提法是：機(jī)器學(xué)習(xí)是一門研究機(jī)器獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)問。 目前，常用的使用這個(gè)思想的算法有： Kmeans 算法、 Kmedoids 算法，系統(tǒng)中使用的是 Kmeans 算法 機(jī)器 學(xué)習(xí) 機(jī) 器學(xué)習(xí) (Machine Learning)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。本系統(tǒng)使用劃分法進(jìn)行文本聚類。一個(gè)文本表現(xiàn)為一個(gè)由文字和標(biāo)點(diǎn)符號(hào)組成的字符串，由字或字符組成詞，由詞組成短語，進(jìn)而形成句、段、節(jié)、章、篇的結(jié)構(gòu)。 文本聚類就是從很多文檔中把一些內(nèi)容相似的文檔聚為一類。 假設(shè)文檔向量為 di=(di1, di2, ?, dit)，查詢向量為 Q=(wq1,wq2, ?, wqt)。此時(shí)，通過比較兩個(gè)向量的相似性就能解決兩個(gè)文檔之間的相似性問題。 圖 42 VSM 文檔 向量化 表示示例 然而，二值表示的方法并沒有考慮一個(gè)詞項(xiàng)在文檔中出現(xiàn)的次數(shù)。 向量空間模型主要涉及以下兩方面的工作： 1）構(gòu)建向量表示文檔、查詢中的詞項(xiàng) 2）度量任意文檔向量和查詢向量的相似性 以 下則對該三方面的工作進(jìn)行詳細(xì)介紹。 圖 32 微博輿情 管理平臺(tái)數(shù)據(jù)分析系統(tǒng)主要流程 四 、微博輿情管理平臺(tái)的實(shí)現(xiàn) 樣本 選取與數(shù)據(jù)來源 網(wǎng)絡(luò)爬蟲的主要功能是搜集 Inter 中的各種信息。 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 13 圖 31 微博 輿情管理平臺(tái)三大模塊 微博 輿情管理平臺(tái)的主要流程 如下 ， 首先 輸入要 查詢 的微博消息的關(guān)鍵詞或核心微博， 然后利用 網(wǎng)絡(luò)爬蟲 來 收集 微博 中的消息 內(nèi)容 ， 包括微博內(nèi)容，轉(zhuǎn)發(fā)關(guān)系， 博主 ID，發(fā)布時(shí)間 等。 通過 研究發(fā)現(xiàn)， 消息 成為熱點(diǎn) 中 有以下3種 規(guī)律， 每一種 都會(huì)在熱點(diǎn)的成長曲線中 出現(xiàn)。 微博 傳播模型 由 微博背對臉的特點(diǎn) 可 以 知 道 微博 消息 傳播 的單向性， 類似 病毒的傳播，病毒感染一臺(tái)主機(jī)則這臺(tái)主機(jī)進(jìn)入感染態(tài)，而感染一臺(tái)服務(wù)器 ，則訪問這臺(tái)服務(wù)器的所有主機(jī)都會(huì)了解這個(gè)病毒，或感染或免疫，微博中消息北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 10 傳播也是如此，普通用戶相當(dāng)于終端，而微博意見領(lǐng)袖 則 相當(dāng)于服務(wù)器，區(qū)別 在于，消息的接受是被動(dòng)的，只要登錄微博就能看到關(guān)注者的消息，而不用 像 用戶一樣需要登錄服務(wù)器。 也有 部分用戶從來不 與 粉絲互動(dòng)，但其絕對粉絲數(shù)量較多， 也可以 獲得較大影響力。 排名 昵稱 粉絲 用戶類型 時(shí)間 二次轉(zhuǎn)發(fā) 1 思想焦距 1209767 個(gè)人認(rèn)證 202039 15:03:00 368 2 杜子健 324621 個(gè)人認(rèn)證 202039 13:07:01 51 3 歷史塵封檔案 538570 微博達(dá)人 202039 15:45:02 40 4 煮酒談史 214251 微博達(dá)人 202039 16:11:35 37 5 人性之美麗 213917 微博達(dá)人 202039 15:06:26 22 6 長江直播 47390 微博達(dá)人 202039 15:17:05 18 7 敵我媒體采訪團(tuán) 275145 個(gè)人認(rèn)證 202039 15:03:06 9 8 彭三金 176135 個(gè)人認(rèn)證 202039 15:03:07 3 9 笑著做教師 11370 個(gè)人認(rèn)證 202039 16:38:55 3 北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 9 10 王周生 7162 個(gè)人認(rèn)證 202039 15:23:09 3 圖 22 微博 消息影響力前 10名 不過 轉(zhuǎn)發(fā)量并不是 判斷 意見領(lǐng)袖影響力的唯一標(biāo)準(zhǔn)，包 括粉絲數(shù)，轉(zhuǎn)發(fā)率 以及 活躍程度均是評估意見領(lǐng)袖 影響 程度的 重要 參考標(biāo)準(zhǔn)， 通過 對實(shí)驗(yàn)數(shù)據(jù)結(jié)果的總結(jié)，發(fā)現(xiàn)微博意見領(lǐng)袖有以下幾個(gè) 特點(diǎn) ：基本上所有的微博意見領(lǐng)袖均是新浪 認(rèn)證 用戶，圖 22也 說明了這一觀點(diǎn)， 而 且認(rèn)證用戶容易獲得普通用戶 認(rèn)可 和接受 ， 發(fā)布消息 的真實(shí)性 也比較可靠。 從而 有了意見領(lǐng)袖這一概念，在人際傳播網(wǎng)絡(luò)中經(jīng)常為他人提供信息、意見、評論，并對他人施加影響的 “ 活躍分子 ” ，是大眾傳播效果的形成過程的中介或過濾的環(huán)節(jié) 。 未知狀態(tài)就是 不知道消息的 狀態(tài) ，通常就是他所關(guān)注的人中沒有傳播這條消息；轉(zhuǎn)發(fā)狀態(tài) 就是 這個(gè)用戶知道這條消息 ， 并且對這條消息很感興趣，轉(zhuǎn)發(fā)了這條 狀態(tài) ， 就把 這條消息通過 他 的粉絲繼續(xù)傳播了下去 ；已知不傳播狀態(tài)則是知道了 這條 消息 ，但是因?yàn)椴桓信d趣，沒有轉(zhuǎn)發(fā)這消息或發(fā)布相關(guān)的消息。 背對臉這種特性， 則是 很生動(dòng)表明了微博與平常網(wǎng)絡(luò)平臺(tái) 相比 最大的特點(diǎn)， 其 傳播消息的途徑是單向的，被關(guān)注者發(fā)布 消息 無需 理會(huì) 關(guān)注者的反應(yīng)， 關(guān)注者關(guān)注 著被關(guān)注者的消息， 就類似 一個(gè) 人 在玩電腦游戲，而他的粉絲就是站在他背后觀看的人，觀看者可以看到游戲的進(jìn)度，但游戲者卻不用理會(huì)觀看者在做什么，這就是 微博 消息傳播背對臉的特性 。而以新浪微博 為例， 其用戶 可以選擇一個(gè)或多個(gè)的關(guān)注組別，例如娛樂，新聞 ， 經(jīng)濟(jì)等 ，這就 讓 用戶可以更加便捷 的 了解自己 需 要的某些方面的信息 。北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 5 網(wǎng)民 根據(jù) 現(xiàn)實(shí) 社會(huì) 或者 網(wǎng)絡(luò)上發(fā)生的新聞 可以 在各種平臺(tái)上直接發(fā)表自己的見解和意見， 根據(jù) 其他網(wǎng)民的見解進(jìn)行 交換觀點(diǎn) ， 而 網(wǎng)絡(luò)的虛擬性也使 虛假不良信息的發(fā)布變得容易和更具蠱惑性， 容易 成為 熱點(diǎn) 。 第二章 分析 了微博消息傳播的模型，研究了微博消息傳播的特點(diǎn)，建立了微博消息傳播的模型。 研究意義 網(wǎng)絡(luò)輿情反映了民情民意，在為國家管理者決策提供參考依據(jù)的同時(shí)北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 4 也存在引發(fā)社會(huì)問題的風(fēng)險(xiǎn)，尤其是國內(nèi)外敵對勢力經(jīng)常利用互聯(lián)網(wǎng)，別有用心地煽動(dòng)不良情緒或發(fā)動(dòng)串聯(lián)，以期影響我國社會(huì)穩(wěn)定。 與傳統(tǒng)輿情相比，網(wǎng)絡(luò)輿情具有傳播快速和實(shí)時(shí)互動(dòng)的特點(diǎn)。輿情 管理與監(jiān)控， 就是通過 對互聯(lián)網(wǎng)信息挖掘采集技術(shù)的整合， 實(shí)現(xiàn)自動(dòng) 抓取互聯(lián)網(wǎng)中的海量信息，可以 利用 一些算法 自動(dòng) 對信息分類， 主題 分 析，傾向分析等北京交通大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 頁 3 功能，形成圖表 或者簡報(bào)結(jié)論，便于用戶掌握 。與此同時(shí)，現(xiàn)實(shí)生活與虛擬世界交互影響，呈現(xiàn)出一種你中有我、我中有你的局面。如果把中間的一些定語省略掉，輿情就是民眾的社會(huì)政治態(tài)度。有研究者指出：“所謂‘輿情’，實(shí)際上就是大眾密