1、隨著互聯網信息技術的發(fā)展,網絡媒體的地位也在不斷地上升,其影響已經滲入到政治、經濟、生活的很多方面,尤其是輿情方面。由于輿情信息在互聯網上能夠更快速的產生和傳播,因此網絡輿情受到了更大的關注,如何有效地獲得和分析網絡輿情信息也成為研究的熱點。網絡內容安全主要研究基于網絡內容的安全性問題,是網絡輿情研究領域的一個重要組成部分;它涉及到針對網絡文本內容的獲取、分類、聚類、話題發(fā)現與跟蹤等關鍵技術。其中,聚類是實現網絡內容安全的一個主要手段。

2、網絡輿情研究領域所處理的信息來源有新聞網頁、論壇、博客等幾大領域,涉及到的文本形式已經有別傳統(tǒng)的長文本內容,可以稱之為中文網絡短文本。然而,中文網絡短文本固有的關鍵詞詞頻低、存在大量變形詞等特點,使得難以直接使用現有面向長文本的聚類算法,為此,本文提出了一種面向中文網絡短文本的基于免疫網絡調節(jié)的聚類算法。首先是利用抽取的中文詞語的n-gram片段的拼音序列來組成一個中文網絡短文本的特征表示,從而緩解關鍵詞詞頻過低和存在變形詞對聚類的影響

3、;然后,將網絡短文本集構建為一個動態(tài)網絡,利用免疫網絡學習機制來自動發(fā)現網絡短文本之間的內在關聯,獲得合適的聚類結果。博客作為一種十分重要的網絡輿情信息源,也已經成為一個研究熱點。首先,博客是一個更新頻繁的數據源,在對博客進行研究時,如何有效地采集實時的博客數據信息是其它研究的前提。本文研究了面向博客信息的實時信息采集技術,采用基于博客Feed輸出的采集方法,實現了一個高效的博客采集器。并使用了該采集系統(tǒng)采集了一個較大規(guī)模的中文博客數據

4、集合。該數據集可以用于中文博客領域的研究使用。博客空間的數據大多是個人意見、看法的表達,具有較強的主觀傾向性。因此博客空間蘊含著巨大的輿情信息,對博客的傾向性分析研究能夠幫助我們更好地研究網絡輿情問題。本文在這樣的背景下研究了中文博客的傾向性檢索問題,充分分析了博客數據有別于其它網絡信息源的特征,提出了多策略評分的方法,包括內容相關性評分、傾向性評分、時間特征評分和評論數特征評分,并把中文網絡短文本聚類引入其中,添加了基于免疫的聚類評分