可行性報(bào)告-公眾輿論安全監(jiān)測(cè)系統(tǒng)的研制與應(yīng)用-展示頁(yè)
2024-08-11 11:28本頁(yè)面
【正文】 。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(guò)濾等方面還遠(yuǎn)遠(yuǎn)不夠。在朱杰的工作中，他用基于評(píng)價(jià)對(duì)象和情感特征的文本向量模型，通過(guò)TSFIDF 加權(quán)方法，得到的文本情感傾向分類方法取得了不錯(cuò)的結(jié)果。他以點(diǎn)互信息PMI 判斷詞匯傾向性并對(duì)所在文本進(jìn)行了傾向性判別。Pang Bo等人提取了包括詞匯、詞性、多元組等特征，用多種分類器設(shè)計(jì)方法進(jìn)行了對(duì)比實(shí)驗(yàn)。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(wèn)題上已經(jīng)取得了不錯(cuò)的效果。最新的方法將自然語(yǔ)言理解技術(shù)中的文本傾向性分析技術(shù)引入輿情監(jiān)控系統(tǒng)之中。這種基于詞頻的方法在話題發(fā)現(xiàn)方面多采用聚類算法。國(guó)際上對(duì)文本詞頻的突發(fā)性建模（burstiness）多用Dirichlet Compound Multinomial(DCM)模型。突發(fā)檢測(cè)（Burst Detection）算法是針對(duì)關(guān)鍵詞頻度曲線的突變性分析的有效方法。該技術(shù)首先對(duì)所采集的關(guān)鍵詞語(yǔ)料集進(jìn)行必要的分詞，然后對(duì)提取的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)、聚類和人工分類，最后得到輿情關(guān)鍵詞。因此，我們主要關(guān)心的是網(wǎng)絡(luò)異常監(jiān)測(cè)方面。2. 國(guó)內(nèi)外研究開(kāi)發(fā)現(xiàn)狀和發(fā)展趨勢(shì)傳統(tǒng)的網(wǎng)絡(luò)輿情監(jiān)控系統(tǒng)通常分為網(wǎng)絡(luò)異常監(jiān)測(cè)和常規(guī)趨勢(shì)預(yù)測(cè)兩方面。這對(duì)提高政府管理和服務(wù)水平意義重大，對(duì)于社會(huì)的穩(wěn)定和發(fā)展意義重大，對(duì)于社會(huì)的發(fā)展和進(jìn)步意義重大。這些話題很容易被強(qiáng)烈地放大，網(wǎng)絡(luò)輿論從而成為了左右公眾觀點(diǎn)的很大的力量。群體性事件，尤其是經(jīng)過(guò)互聯(lián)網(wǎng)的傳播和放大，往往造成激烈的沖突對(duì)抗、嚴(yán)重的破壞性后果和惡劣的社會(huì)影響。另一方面，我國(guó)正處于經(jīng)濟(jì)發(fā)展的黃金期和社會(huì)矛盾的多發(fā)期和凸顯期。對(duì)于政府來(lái)說(shuō)，一方面，網(wǎng)民會(huì)在互聯(lián)網(wǎng)上發(fā)表自己對(duì)政策以及政府部門(mén)的觀點(diǎn)、意見(jiàn)和看法。正確合理利用這些信息，可以有效地了解民情民意，從而快速及時(shí)處理一些突發(fā)性公共危機(jī)事件，改進(jìn)我們的管理和服務(wù)，促進(jìn)社會(huì)的和諧、穩(wěn)定和發(fā)展?；ヂ?lián)網(wǎng)上的話題和傳統(tǒng)媒體上的話題有很多區(qū)別，最大的不同就是傳統(tǒng)媒體上的報(bào)道往往是單向性的信息發(fā)布，而互聯(lián)網(wǎng)上的話題往往具有突發(fā)性、直接性、豐富性、互動(dòng)性、偏差性的特點(diǎn)。互聯(lián)網(wǎng)公眾輿論安全檢測(cè)系統(tǒng)的研制與應(yīng)用可行性報(bào)告 1. 立項(xiàng)的背景和意義根據(jù)最新的統(tǒng)計(jì)數(shù)據(jù)，居世界第一位。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。對(duì)于政府來(lái)說(shuō)，這些數(shù)據(jù)中蘊(yùn)含著大量的信息?；ヂ?lián)網(wǎng)上的討論和文章很多。這些觀點(diǎn)信息能反映出那些好的、受人們擁護(hù)的政策，也包含許多針對(duì)性的批評(píng)（如：對(duì)于醫(yī)療事故的曝光和醫(yī)院服務(wù)的批評(píng)），對(duì)尚待改進(jìn)問(wèn)題的建設(shè)性的意見(jiàn)（如：對(duì)如何優(yōu)化公共交通的建議、對(duì)醫(yī)療社會(huì)保障的制度的建議、對(duì)中小學(xué)教育改革的建議等等）。一些看似平常的小事往往會(huì)釀成群體性事件。如今網(wǎng)絡(luò)上已經(jīng)出現(xiàn)了一些矛盾很尖銳的公眾輿論話題。因此對(duì)這些富含信息的話題和文章，特別是那些可能影響社會(huì)穩(wěn)定和諧的敏感話題，政府需要第一時(shí)間了解信息，發(fā)現(xiàn)問(wèn)題，盡快地解決問(wèn)題。另外，對(duì)于互聯(lián)網(wǎng)上的惡意扭曲，擴(kuò)大和傳播不良信息的行文也能在第一時(shí)間進(jìn)行打擊，從而維護(hù)社會(huì)穩(wěn)定和諧。實(shí)際上，網(wǎng)絡(luò)異常監(jiān)測(cè)對(duì)于政府部門(mén)更為重要。針對(duì)網(wǎng)絡(luò)異常監(jiān)測(cè)，一般采用數(shù)據(jù)流高頻項(xiàng)檢測(cè)技術(shù)。在此基礎(chǔ)上，針對(duì)所選的輿情關(guān)鍵詞進(jìn)行頻度曲線繪制，針對(duì)關(guān)鍵詞頻度曲線進(jìn)行必要的突變分析和關(guān)聯(lián)分析。目前國(guó)內(nèi)對(duì)于文本數(shù)據(jù)的突發(fā)性檢測(cè)研究尚處在初級(jí)階段。最新的方法是采用Dirichlet Compound Multinomial Latent Dirichlet Allocation(DCMLDA)模型將話題檢測(cè)和詞頻突發(fā)性檢測(cè)結(jié)合在一起進(jìn)行建模。這種方法的缺點(diǎn)是：往往對(duì)網(wǎng)民評(píng)論的情感因素關(guān)注不足，而且通常是停留在熱點(diǎn)話題發(fā)現(xiàn)的程度，沒(méi)有進(jìn)一步根據(jù)傾向性進(jìn)行區(qū)分。該方法首先通過(guò)自然語(yǔ)言處理的分詞技術(shù)得到熱點(diǎn)話題和與熱點(diǎn)話題有修飾關(guān)系的詞語(yǔ)，然后基于詞語(yǔ)傾向性詞典對(duì)熱點(diǎn)話題的修飾部分進(jìn)行特征提取，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1