论文部分内容阅读
BBS是网络舆情产生和传播的主要场所之一。由于手段匮乏,BBS中网络舆情的研究目前仍处于探索阶段。及时发现潜在的突发网络舆情,了解网络舆情的演化规律,已经成为网络舆情预警的研究重点和难点。
本文从突发网络舆情的发现和网络舆情定量评价两方面展开研究。
首先,针对传统的手工发现突发网络舆情效率低的问题,建立了基于粗糙集和集成学习的BBS网络舆情分类模型来及时自动地发现BBS论坛中潜在的突发网络舆情。在分析大量数据的基础上,提取了舆情事件的7个属性,建立了粗糙集分类器,随后利用Bagging算法进行集成分类,并验证了模型的有效性。
其次,将复杂网络理论应用到网络舆情的定量评价中。为了定量评价舆情,建立了网络舆情动态传播模型,通过观察用户网络的演化来评价网络舆情的演化。本文选取了Hurst指数、群集系数、紧密度、中介度、联系度、结构熵、结构洞七个指标,在相似性、聚集性、可控性、非同质性、多样性方面来反映网络舆情的变化。试验发现,当网络中的用户数量发生变化时,所选取的指标发生了明显的改变,因而可以作为网络舆情变化的一个定量评价。
最后,实现了网络舆情分类和定量评价原型系统。该统融合了前面涉及到的数据抓取、网络舆情的分类和网络舆情的定量评价三个部分,可以直观地展示试验过程和试验结果。