1、隨著互聯(lián)網以及通訊技術的飛速發(fā)展，以互聯(lián)網為基礎的新型輿情傳播媒體逐漸代替?zhèn)鹘y(tǒng)媒體，成為人們獲取與傳播輿情信息的主體。由于互聯(lián)網的實時性、高效性，輿情信息往往呈爆炸式增長，采用傳統(tǒng)方式進行人工輿情分析預警難以滿足當前需求，因此研究網絡輿情監(jiān)測相關技術，構建監(jiān)測系統(tǒng)進行自動分析預警，成為當前研究熱點。本文研究了輿情監(jiān)測和分析中的關鍵技術，主要內容如下:
　　(1)研究輿情監(jiān)測中的特征提取技術，提出了一種基于詞匯網絡的文本特征提取方法

2、。該方法中，通過提取文本特征詞頻、文本特征相關性及特征語義相似度等結構性信息，將文本數(shù)據(jù)以圖的形式表示，采用網絡關鍵節(jié)點發(fā)現(xiàn)技術，抽取圖中關鍵節(jié)點作為文本特征。實驗證明，通過該方法獲得的文本特征向量具有更好的聚類特性。
　　(2)研究了特征編碼技術，利用組稀疏深度學習對高維文本特征向量降維。并改進Single-Pass增量聚類模型，以覆蓋率作為特征相似度計算方法，并在話題權值計算中提出備選特征向量，使其適用于深度學習降維后的特征向