1、輿情是指在一定的社會(huì)空間內(nèi),圍繞中介性社會(huì)事件的發(fā)生、發(fā)展和變化,民眾對(duì)社會(huì)管理者產(chǎn)生和持有的社會(huì)政治態(tài)度。隨著互聯(lián)網(wǎng)的發(fā)展與普及,人們開(kāi)始借助網(wǎng)絡(luò)這一平臺(tái)發(fā)表自己對(duì)政治、社會(huì)、民生問(wèn)題的見(jiàn)解,形成了網(wǎng)絡(luò)輿情。網(wǎng)絡(luò)輿情形成迅速,對(duì)社會(huì)影響巨大。由于信息海量,需要利用計(jì)算機(jī)建立對(duì)網(wǎng)絡(luò)輿情的監(jiān)測(cè)與分析系統(tǒng),對(duì)其進(jìn)行有效的監(jiān)控。本文提出了網(wǎng)絡(luò)輿情智能監(jiān)測(cè)與分析系統(tǒng)的總體設(shè)計(jì)方案,并針對(duì)中山大學(xué)逸仙時(shí)空這一高校BBS,探討主題監(jiān)測(cè)模塊的實(shí)現(xiàn)過(guò)程

2、。本文主要探討了主題監(jiān)測(cè)模塊實(shí)現(xiàn)中的四個(gè)關(guān)鍵性的問(wèn)題:中文分詞與未登錄詞發(fā)現(xiàn),主題帖自動(dòng)標(biāo)引,同義詞識(shí)別,以及文本傾向性分析。在本實(shí)驗(yàn)中采用了KTDictSeg中文分詞系統(tǒng),作為系統(tǒng)的分詞組件。實(shí)驗(yàn)證明,該分詞系統(tǒng)的分詞速度理想,分詞準(zhǔn)確率達(dá)到百分之九十以上。同時(shí),為改進(jìn)該分詞系統(tǒng)的未登錄詞識(shí)別能力,提出基于共現(xiàn)的未登錄詞識(shí)別算法。在對(duì)BBS主題帖進(jìn)行自動(dòng)標(biāo)引研究中,運(yùn)用統(tǒng)計(jì)標(biāo)引法,根據(jù)帖子內(nèi)容的長(zhǎng)度分別提出四類不同的特征詞抽取規(guī)則。將

3、自動(dòng)標(biāo)引結(jié)果與人工標(biāo)引結(jié)果進(jìn)行對(duì)比,發(fā)現(xiàn)自動(dòng)標(biāo)引準(zhǔn)確率達(dá)到百分之八十以上,而自動(dòng)標(biāo)引冗余率在百分之二十以下。這說(shuō)明這些自動(dòng)抽詞規(guī)則較合理,標(biāo)引效果較理想。本實(shí)驗(yàn)采用基于詞典的字面相似度算法進(jìn)行中文同義詞識(shí)別,同時(shí)將中文轉(zhuǎn)換為拼音再進(jìn)行字面相似度計(jì)算,可以較好地解決由于BBS語(yǔ)言不規(guī)范而造成的同義詞匹配結(jié)果不準(zhǔn)確的問(wèn)題。在現(xiàn)有漢語(yǔ)傾向性分析的研究基礎(chǔ)上,本文首次提出了針對(duì)BBS主題帖及跟帖的傾向性分析方法。從主題帖傾向性人工判斷與自動(dòng)分析