網絡輿情監測系統

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇網絡輿情監測系統范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

網絡輿情監測系統范文第1篇

【 關鍵詞 】 Solr平臺；輿情；監測系統

1 引言

近年來，全國各地環境污染事件頻繁發生，當這些污染事件發生時，民眾會在很短時間內通過微博、論壇等網絡平臺相關消息、描述事件發生狀況、評論政府應對措施與各項反應，需要注意的是，這些輿情信息在網絡上的傳播，會對普通民眾的群體心理造成重大影響，如果處理不當還會對環境污染防治工作帶來阻力，甚至發生重大公共安全。因此，需要設計并實現面向環境污染輿情的網絡輿情話題監測技術，以實現對環保類輿情信息的及時發現，為政務信息公開和網絡輿論回應提供技術支持。

環保類輿情話題主要是民眾對身邊生活環境問題的描述、建議、舉報和控訴等的話題，比如工廠偷排污水、工地夜間施工、空氣污染嚴重等。這類話題可由相關關鍵詞的與或關系組合予以監測，例如水污染的話題可以采用“廢水、污水、黑水”等關鍵詞匹配。但在實際實現時，每類環保類話題的關鍵詞數量都較多，關鍵詞之間的與或關系描述比較復雜，采用傳統的數據庫結合文本關鍵詞匹配的技術會遇到處理速度慢、與或等復雜邏輯匹配實現難度大等難題。

針對這些問題，本文提出采用Solr平臺設計并實現環境污染網絡輿情監測系統。Solr是由Apache基金會設計開發的基于Lucene的文本檢索平臺，利用Solr的索引和檢索功能夠快速查找文本，并可實現較為復雜的查詢邏輯。通過實際數據的實驗驗證，本文所述技術具有執行速度快、復雜匹配邏輯實現難度小等優點。

2 Solr平臺簡介

2.1 Solr概述

Solr是一個基于Lucene的企業級全文搜索平臺，它支持層面搜索、高亮顯示和多種格式數據輸出等功能。2006 年，Apache Software Foundation 在Lucene項目的支持下設計實現了Solr平臺，并使Solr成為Apache的孵化器項目。在整個項目孵化期間，Solr 穩步地積累各種特性并吸引了一個穩定的用戶群體、貢獻者和提交人，并于2007年1月正式成為Apache的子項目。

Solr具備高效靈活的緩存查詢、強大的全文檢索、垂直搜索、相似文獻查找、配置靈活、支持多種客戶端語言、索引復制、高亮顯示搜索結果、日志記錄、可擴展的插件體系等功能。

2.2 Solr體系架構

Solr作為一個完整的全文檢索平臺，具有三層體系架構。

1） 底層是全文檢索工具Lucene，主要為文件建立索引、提供文本分析接口和實現高效查詢。此外，底層的索引復制模塊是一個獨立的模塊，主要用于支持分布式的索引和檢索。

2） 中間層是Solr的核心層，主要包括索引處理部件和配置文件。最主要的配置文件是Solrconfig.xml和Schema.xml。Solrconfig.xml從整體上對系統進行了配置，例如索引的存放路徑、字段的最大長度、寫鎖的超時時間、鎖類型、是否壓縮索引、內存索引緩沖區大小、合并因子、刪除策略、自動提交策略、緩存設置等。Schema.xml主要是對索引的配置，例如分詞器、字段名稱、索引方法、存儲方式、分詞方式、唯一標識字段等。索引處理部件是在系統主動或被動的接受特定數據，按照配置文件轉化成索引后用來進行實際操作的部件，例如，進行搜索、相似文獻查找、拼寫檢查、分面檢索等。

3） 上層是HTTP請求接受、處理和請求結果返回層。HTTP請求處理器根據接受到的不同請求，確定要使用的SolrRequestHandler，然后通過Solr核心層處理請求，并以XML、JSON等數據格式返回請求結果。

3 環保類輿情話題監測系統主要模塊

本文所實現的環保類輿情話題監測系統的主要模塊包括三個部分，分別是中文分詞、創建索引和話題監測。

3.1 中文分詞

中文自動分詞是建立索引庫的前提。中文文本中詞與詞之間沒有天然的分隔符，這就要求在對中文文本進行分析前，需要先將整句切割成小的詞匯單元，才能將文本劃分為特征項并添加進索引庫。在全文檢索系統中，中文分詞系統的速度直接影響到系統建立索引和檢索文檔的效率，所以需要從眾多可用的分詞工具包中選擇符合本系統需求的中文分詞系統。

目前常用的分詞工具包有StandardAnalyzer、ChineseAnalyzer、CJKAnalyzer、ICTCLAS和IKAnalyzer，其中IKAnalyzer的分詞方式為正向粗粒度詞典匹配或正向細粒度詞典匹配，由使用者根據需要指定，當遇到未被詞典收錄的詞語時則使用二元分詞方式切分。IKAnalyzer的自定義詞典功能比較強大，既可以通過詞典文件預先批量添加詞語，也可以通過調用API的方式實時添加；同時，IKAnalyzer的分詞速度和分詞準確率也比較理想，可以滿足本系統開發的需求。通過對分詞效果、分詞速度、詞典的擴展性、開發難度等方面進行綜合考慮，最終選擇IKAnalyzer作為本系統的分詞器。

3.2 創建文本索引

本系統是通過Python腳本語言來實現Solr索引創建的。首先連接Solr，然后用Solr的Add命令從數據庫里將上一次索引時間之后所有新增加的輿情數據添加進Solr。接著執行Commit命令以提交任務。那么，Solr就會自動完成對新提交的文本數據創建索引。

3.3 話題監測

索引建立之后可以根據每類話題關鍵詞的邏輯匹配規則在Solr中進行話題監測處理。

在話題監測前，首先判斷這個話題是否已經基于關鍵詞查詢過，如果查詢過，則接著在上次查詢時間之后新增的索引文本上查詢，否則查詢所有文本。

在話題查詢時，根據Solr的查詢命令并結合實際需求構造一個查詢條件，如按關鍵詞和索引時間范圍構造的查詢條件為：query = "（%s） AND index_time：[%d TO *]" % （keywords， secs），然后根據該查詢條件實現Solr上相關話題文本監測。

4 實驗結果與分析

4.1 評價指標

實驗結果評價指標為準確率（Precision）、召回率（Recall）和F1值。準確率指標代表的是識別準確性，召回率代表的是方法判斷結果的查全率。理想的情況是準確率和召回率都很高，但在實際情況中，兩個指標很難同時被提高，提高準確率往往以降低召回率為代價，而提高召回率往往也要犧牲準確率，因此設計方法時往往根據實際需要重點關注其中一項指標。在本系統中，環保類話題識別與監測的主要作用是找到與人工設置的話題關鍵詞相匹配的文本，所以本系統在保證一定召回率的前提下更強調準確率指標。

4.2 實驗分析

通過人工方式設置了3個話題類型，實驗數據集為從網絡輿情源數據中隨機獲取的文本20000篇，其中包含3類環保類輿情話題文本共3272篇，作為背景噪聲的無關文本16728篇。話題的相關情況如表1所示，采用本文所述技術的實驗結果如表2所示，在DELL R420服務器上執行話題監測處理時間僅為0.27秒。

實驗結果表明，基于Solr平臺的環境污染輿情話題監測系統能夠比較有效的發現網絡輿情數據源中與設定話題相關的發帖文本。需要注意的是話題識別與監測方法的效果受話題關鍵詞的影響比較大，所以關鍵詞的設置既要求準確又要求全面，根據環保輿情監控的地域因素，還要考慮當地人對某件事物的俗稱。

5 結束語

本文通過研究建立基于Solr平臺的環境污染輿情話題監測系統，認為建立中文分詞、創建索引和話題監測三個主要模塊能夠比較有效的發現網絡輿情數據源中與設定話題相關的發帖文本，實驗結果表明本文所述系統可有效滿足環保相關部門對環境污染網絡輿情話題監測的需求。

參考文獻

[1] 黃翼彪.實現Lucene接口的中文分詞器的比較研究[J].科技信息，2012，（12）：246-247.

[2] 姚曉娜，祝忠明.基于分面搜索引擎Solr的機構知識庫訪問統計[J].中國科學院國家科學圖書館蘭州分館，2011，209（8）：37-40.

[3] Apache Solr官網.http：///solr/.

[4] 薛峰，周亞東，高峰等.一種突發性熱點話題在線發現與跟蹤方法[M].西安交通大學學報，2011，45（12）：64-69.

[5] MOHD M，CRESTANI F，RUTHVEN I.Design of an interface for interactive topic detection and tracking[C]//Flexible Query Answering Systems 8th International Conference on.Berlin，German：Springer，2009：227-238.

網絡輿情監測系統范文第2篇

關鍵詞：網絡；輿情監測；技術分析；網絡教育

中圖分類號：TP311.52

隨著社會科學技術以及互聯網技術的快速興起與發展，互聯網給人們帶來的信息資源也越來越廣泛和深入。人們在運用互聯網的同時對于內心感情以及態度的表達也越來越重視，公眾的表達自由權以及訴求渠道也越來越多。因此，面對社會上日益增長的互聯網輿情，必須要建立科學合理的互聯網輿情收集以及分析處理支撐體系，保證互聯網輿情能夠實現及時、科學、全面的分析和研究，所以本文對于互聯網教育輿情監測系統的研究具有很重要的參考價值。

1 互聯網教育輿情監測系統概述

1.1 互聯網教育輿情涵義

互聯網輿情是圍繞國家法律法規、生產發生的事件、人物、國家方針政策等影響民眾利益的中介性關聯物，民眾對執政者及其頒布的方針政策的觀點和態度。隨著網絡的出現，人們對其依賴性越來越強，互聯網輿情從開始范圍狹窄發展到今天遍布互聯網每個角落，經歷了一個漫長的時期。網絡輿情代表著公眾的心聲，是時代進步的產物，表達在互聯網空間中的政治態度和輿情傳播。針對網絡的特點，互聯網絡輿情有隨意性、突發性、隱蔽性和直接性、多元性等特點。

1.2 互聯網教育輿情監測系統結構

互聯網輿情系統主要包括信息收集、信息處理、數據庫和前端應用四個模塊。其中信息收集模塊支持多處理器，具有靈活的處理信息功能，能夠合理應用多線程技術，根據具體情況在指定網站和給定數據中尋求原始信息的模塊。

信息處理模塊完成數據結構化處理，將數據按照一定規格分類，根據關鍵詞建立全文主索引，通過對象跟蹤和分析語義完成自動摘要功能。信息處理模塊根據其完成功能主要有預處理子模塊、全文索引模塊、自動分類模塊、對象跟蹤子模塊等。數據庫系統主要完成數據存儲功能，對系統中的數據保存在數據庫中，為互聯網應用提供平臺。前端應用模塊可以完成各種搜索功能，這里的搜索可以是熱點事物的搜索、用戶需求的關鍵詞搜索、引擎搜索等；也可以完成自動匯總統計功能。前端應用模塊包括五大子模塊，具體有關鍵詞自動推薦、管理、搜索、統計報表、采編輔助功能五大子模塊。因此，在開發互聯網輿情監測系統時，應該重點考慮如何才能更好地實現信息處理模塊及前端應用模塊的功能，如何將二者的功能打造得更完美。

2 互聯網教育輿情監測系統技術探討

2.1 互聯網信息采集與預處理技術

通常情況下，互聯網信息采集主要采用的是垂直搜索引擎技術，將互聯網的主要信息進行自動的分類以及識別，實現信息的自動去除和自動抽取，這種處治搜索引擎技術能夠比較準確地實現互聯網信息的采集。主要是進行互聯網主題信息的智能搜索以及下載功能，并且具有互聯網信息的反屏蔽方法，隨時進行互聯網信息的更新搜索以及深度控制，從而根據互聯網的信息實現智能下載，還能夠運用模擬瀏覽器技術進行互聯網頁面信息的采集工作。在互聯網相關信息的判別過程中，自動識別技術以及自動擴展功能的運用也十分廣泛，自動識別技術能夠保證采集的互聯網信息具有一定的廣度以及動態性的信息變化。除此之外，互聯網教育信息的采集必須要進行信息的消重，這也是信息采集過程中必須需要的技術，一般情況下可以從URL列表進行信息的消重，還可以采用網頁指紋消重技術以及以領域知識數據庫為基礎進行信息消重，這幾種消重技術均能夠有效地保證互聯網信息的無重復性。

互聯網信息預處理技術是對于互聯網采集到的信息資源進行初步地分析以及處理工作，為下面進行互聯網輿情信息的抽取以及信息內容的分析提供必要的條件，通常情況下使用的是基于統計以及規則相結合的信息分類以及過濾的技術。首先將互聯網信息根據不同領域以及不同行業進行分類，并且結合現有的信息資源進行領域以及行業輿情的分析和處理。除此之外，還對互聯網的信息資源進行客觀上的評價以及態度上的分類處理。

2.2 輿情關鍵信息抽取技術

信息抽取技術中的智能節點識別技術是對網絡信息快速、及時、準確的提取，提取過程中應用的是本體庫和語義網絡的信息提取技術。該技術可以根據需要關鍵詞進行有目的的篩選，將關鍵詞和屬性關鍵詞鎖定，自動選擇需要內容。如果所選定的關鍵詞不存在相應的內容，那么就會根據屬性關鍵詞提取內容頁面。

目前互聯網輿情關鍵信息的抽取技術主要有網頁去噪功能、智能節點識別技術以及邏輯信息抽取技術。網頁去噪功能主要是根據互聯網的信息進行抽取，對于噪音信號進行凈化，實現信息的傳輸速度和質量的提高，根據不同的噪聲采取不同的去噪技術。智能節點識別技術主要是對于互聯網的信息進行設置相應的主題知識庫，保證在進行信息的提取過程中能夠自動地進行信息屬性的識別以及信息特定值的識別，從而對于不同的信息進行不同的處理識別。邏輯信息抽取主要是對互聯網知識庫的主題信息進行屬性的識別，然后進行邏輯性以及結構性的處理和抽取，保證信息的安全通用。

2.3 文本表示與主題發現技術

互聯網輿情主題發現使用技術方法主要來自話題識別和跟蹤領域，近年來網絡輿情主題識別技術，在從傳統的線性文本聚類分析向更注重內容特征的話題標引統計識別技術發展。主要的研究有以下幾個方面，使用評估函數來代替TF-IDF；面向BBS的層次化關鍵詞抽取方案，結合機器學習的方法進行關鍵詞抽取。

2.4 網絡輿情內容分析

主題聚類法與以往的方法不同，是通過機器學習對文本、查詢式對象分析，將分析的聚類對象轉換形式，一般將其轉換為基于主題的形式。這樣不僅可以使特征空間維度降低，還可以描述聚類結果。

主題聚類是我們常說的信息組織方法，綜合主題法、機器學習法、數據挖掘法的優點，開發出的兼容性方法。其方法具有主題法直奔主題的優勢，節省時間、目的性強、可以提高信息收集質量；空間維度降低，運行速度快。

3 結束語

近年來，互聯網輿情監測以及分析系統的發展速度越來越快，并且在不同的領域也都起到了很重要的作用，但是就目前的應用來看，在相關的理論基礎知識方面的研究還不是十分地科學和深入，存在一定的技術上的支持，因此在今后進行相關互聯網教育輿情分析的過程中，應該不斷地探索新的檢測系統技術，研究新的理論支撐知識，實現互聯網信息輿情及時、科學、準確的采集和處理，建立合理科學的互聯網輿情監測系統方案，保證互聯網輿情監測工作的順利進行。

參考文獻：

[1]王來華.輿情研究與民意研究的差異性[J].天津大學學報（社會科學版），2009（04）.

[2]王偉，許鑫.基于聚類的網絡輿情熱點發現及分析[J].現代圖書情報技術，2009（03）.

[3]申晉.基于Lucene和Nutch的林業垂直搜索引擎的研建[J].農業網絡信息，2008（04）.

[4]沙蕓，張國英，孟凡亮.基于關鍵詞提取的娛樂新聞文檔去重算法[J].廣西師范大學學報（自然科學版），2007（02）.

網絡輿情監測系統范文第3篇

【關鍵詞】網絡偽輿情；成因；現狀；消除對策

一、網絡偽輿情發展現狀及成因

互聯網作為繼報紙、廣播、電視之后的出現的新媒體，成為反應社會輿情的主要載體之一。互聯網載體使網絡輿情表達快捷，多元化，還為廣大網民提供了互動的平臺，因此使民意表達更加順暢、便捷。但由于監管部門以及相應的法律法規的空位，再加上網民身份的大眾化隱匿性和自律意識不高，這導致了網絡偽輿論的不斷出現。

（一）網絡偽輿情及其預防發展現狀

2015年5月中旬，一則“娃哈哈、可口可樂等牛奶飲料含肉毒桿菌并可能導致白血病，被緊急召回”的消息在微博、微信上被瘋轉，“白血病”、“肉毒桿菌”、“召回”等關鍵詞引發了很多人的關注，讓家長對這些乳制品飲料聞之色變。26日，針對此事，南國都市報記者向多部門進行求證。相關專家表示，無直接研究證明肉毒桿菌與白血病有關，該微信內容純屬謠言，同時提醒市民切勿隨意傳播。

近年以來，隨著網絡技術的不斷進步，網絡媒體憑借其快捷性、互動性等優勢逐漸取代傳統媒體，對人們的生活產生很大的影響。而網絡偽輿情也隨之應運而生，層出不窮。除了“牛奶飲料含肉毒桿菌”事件外，還有赴新疆旅游每位游客獎500元、朱自清《背影》因“違反交規”被逐出教材等事件純屬虛假消息，全部都是網絡偽輿情。我國目前網路偽輿情預防現狀如下所示：1.偽輿情監測預警手段落后，偽輿情治理思路不當；2、偽輿情判定缺乏標準體系；3、國內的網絡輿情監測服務機構缺乏。

（二）網絡偽輿情產生根源分析

1、環境因素

（1）網絡發言的公開性與匿名性，網絡的出現極大地拓寬了公眾的輿論空間，網絡發言具有公開性、自由性、匿名性和互動性等特點，而且不受地域、階層、文化程度的限制。因此，網民在獲知信息后，可以針對關系到自身利益或者是自己所關心的各種公共事務，包括突發事件、社會熱點問題、政府決策、公眾人物言行等等積極傳播信息、表達觀點和互動交流。

（2）網絡傳播信息的快捷性，傳統媒體受到新聞管理要求或者是報道時效、方式的局限，無法報道一些事件，而網絡媒體基于信息傳播的快捷、無界等特點，往往成為第一時間的信息者。

2、管理因素

（1）首先，作為強制性的法律不多，且存在等級低，效力有限，實施上有立法空白等缺陷；同時，作為自律性的規范也不多，而由行業制定并執行的準自律和準法律的管理規范占據了主導地位。（2）其次，網絡虛擬機構的管理涉及到多個部門和機構，包括公安機關、宣傳機關、電信企業、工商部門等。但真正起到管理監督作用的部門很少，加上各部門沒有相互協調形成聯動機制。（3）最后，政府部門的引導力度不夠，沒有掌握輿論主動權。面對涉及到公眾利益的網絡偽輿情，一些地方政府選擇了冷處理的方式，沒有解除危機，反而招來更多非議與流言。

3、網民因素：（1）網民自身認識的偏差和行為的隨意性是網絡偽輿情的基本原因；（2）網絡水軍惡意炒作信息。

二、消除網絡偽輿情的對策

（一）提高網民自身素質

在互聯網時代，網民作為信息的傳播者、輿論的引領者、政治的參與者和社會的監督者，其自身素質在消除網絡偽輿情方面具有不可小覷的作用。

（二）建立健全管理制度

1、充分發揮新聞發言人制度優勢，建立輿論引導機制

網絡信息和偽輿論傳播的泛濫，喚起了人們對高品質言論的追求，就像在假冒偽劣產品泛濫的時候，人們更需要從“品牌”中尋求保障一樣，人們對政府部門有較多的信任和依賴。政府部門應充分發揮其影響面廣泛的優勢，完善新聞發言人制度，建立輿論引導機制。

2、完善相關立法，加強法制管理

我國需要一系列完整的互聯網管理法律和網絡輿情監督法規，從根本上保護國家、社會、公民個人的信息安全。

3、逐步實行網絡實名制

‘網絡是個虛擬的大環境，但它產生的社會影響卻是實實在在的。“匿名制”帶來的危害不僅僅是個人的，而是整個社會的。’只有逐步實現網絡實名制，規范網絡輿論監督，才可以在一定程度上有效遏制網絡偽輿情。通過用戶的真實姓名和身份登記，可以追究發帖者的法律責任。網絡實名制可以減少政府在進行網絡輿情監控時的難度和成本，有利于廣大網民形成文明習慣和責任意識。“這體現了互聯網監督部門的意識，是政府公共權力的要求。”

（三）加強網絡輿情分析師的培養

我國應加強專業網絡輿情分析師的培養，培養出具備很強的新聞敏感性、輿情分析研判和危機管理能力，熟悉網絡輿情抽樣、統計、分析工具和模型，對社會心理與網絡語言文化有長期觀察研究的專業人才。

網絡輿情監測系統范文第4篇

〔關鍵詞〕網絡輿情；應對體系；評估指標

媒介信息已步入雙向交流的Web2.0時代，直接驅動著政府社會管理方式進入網絡治理時期。十報告提出：“加強和改進網絡內容建設，唱響網上主旋律。加強網絡社會管理，推進網絡依法規范有序運行。”加強輿情信息工作、建立輿情信息機制是新媒介環境下加強黨的執政能力建設、提高各級領導干部執政水平的一項重要任務。如何應對新時期、新媒介環境下復雜多變的網絡輿情，從而提高新形勢下網絡輿情的調控能力，及時準確地掌握社會輿情動態，科學引導網絡輿論，優化社會輿論環境，已成為地方政府提升社會治理能力的一個重要體現，是各級政府面臨的重要課題和嚴峻挑戰。

1 政府網絡輿情應對機制體系化思路探析近年來，隨著網絡輿情事件的不斷涌現，政府在相關事件的處置過程中積累了一定的經驗，各級黨政機關對網絡輿論的重視程度繼續增強，反應速度穩步提升，問責力度不斷加大，應對能力也在持續提高。但是，當前涉政網絡輿情事件的發生率仍居高不下，據中國傳媒大學網絡輿情研究所的《2012上半年中國網絡輿情報告》顯示：涉及政府領域的公務員管理和司法執法類的網絡輿情事件位列2012年上半年網絡輿情熱點事件排名的前2位。同時，其負面效應呈逐步增大化趨勢，青島植樹增綠事件、“適度腐敗論”事件、陜西“天價煙”等事件的應對過程均反映出政府網絡輿情應對工作中還存在著諸多不足。究其原因，首先，不論是從網絡輿情自身的特點來考慮，還是從政府網絡輿情應對現狀所反映出的問題來看，采用單一的應對機制或僅僅依靠單個政府部門的管理是無法滿足網絡輿情治理需要的。其次，網絡輿情是“輿情”這一社會層面定性描述的概念與“網絡”這一技術層面定量表征概念的有機結合體。網絡輿情的應對既涉及到引發輿情的現實熱點事件的解決和相關事件社會輿論的引導，既屬于政府社會管理的范疇，又涉及到在網絡媒介載體上，輿情信息產生及傳播的技術特性，且必須依靠網絡技術手段予以事前監測和事后調控。因此，必須將微觀的技術方法手段和宏觀的政府管理機制結合起來，進行網絡輿情的應對工作[1]。其三，當前對輿情事件的分析往往是從少數案例中推出結論，缺乏系統性和普適性，沒有將眾多的網絡輿情事件納入到一個分析框架中，對網絡輿情的復雜性及其網絡傳播機制等問題研究不夠深入，缺乏對事件輿情準確分析的研判體系；對網絡輿情演化規律的影響因素只考慮了輿情自身的變化特征，還沒有將政府干預行為作為外部影響因素進行綜合分析。最后，從應對實踐來看，一方面當前各級政府部門對網絡輿情的應對還處于一種自發的“蠻荒”狀態：有的還局限于傳統的輿論宣傳方法，缺乏適應信息環境下的輿情引導機制；有的雖然購買了軟件公司的輿情監測軟件，但不適應政府部門的特殊需求，同時單純監測手段的提高無法解決輿情處置和輿論應對的根本性問題；另一方面，在當前公共熱點事件網絡輿情的應對工作中存在著政府部門間各自為政的現象，既造成軟硬件設施的重復建設，又導致在公共熱點輿情爆發時，部門間互相推諉或信息口徑不一致的現象時有發生，以及由于各自對于輿情形勢研判標準的參差不齊，導致輿論引導策略不協調甚至相互干擾的情況。鑒于以上問題，亟需構建科學系統的標準化網絡輿情應對體系。

2013年3月第33卷第3期現？代？情？報Journal of Modern InformationMar.，2013Vol.33 No.32013年3月第33卷第3期網絡輿情動態調適應對體系研究Mar.，2013Vol.33 No.32 網絡輿情應對的動態調適體系構建“體系”一詞的解釋為“若干有關事物或某些意識互相聯系而構成的一個整體”[2]。根據這一定義，應對體系應涵蓋政府網絡輿情應對過程中的重點環節，并構建相應環節的應對子體系，全面覆蓋網絡輿情演化周期的各個階段，同時支持政府網絡輿情應對工作的全流程。基于這一思路，應對體系的基本框架應包括政府管理、研判實務、技術方法3個層面的內容3個層面中，技術方法層是基礎層，利用計算機技術、網絡計量學、信息檢索、人工智能等技術方法，設計網絡輿情監測與分析軟件，實現網絡輿情信息的自動采集、屬性分析、觀點傾向識別、主題檢測跟蹤等基礎。研判實務層以網絡輿情監測軟件為依托，進行網絡輿情的信息監測和信息收集，并通過網絡輿情評估指標體系的構建，以評估指標為依據，進行網絡輿情研判標準的參數設定，對采集到的輿情信息特征量化處理并進行分析，從而對網絡輿情進行智能化預警、演變規律分析、發展趨勢預測以及應對評估總結等輿情研判的實務性工作，并將最終的輿情數據統計分析結果轉化為參考性建議，為政府管理層應對機制的制定和應對措施的采用提供決策參考。政府管理層涵蓋管理體制、法律法規、引導控制、應急聯動等方面內容，進行具體網絡輿情的網下事件處置和網上輿論引導工作。3個層面分別形成政府網絡輿情應對體系的3個關鍵子體系：基于管理層面，構建網絡輿情的政府宏觀管理體系；基于實務層面，建立網絡輿情的科學研判體系；基于技術方法層面，形成網絡輿情信息預處理的技術方法體系。各子體系之間緊密聯系，共同構成完整的政府網絡輿情應對體系（如圖2）。在研判體系中，引入近年來發生的熱點網絡輿情事件信息，構成基礎案例數據庫，并不斷加入新近網絡輿情事件，建立持續更新的網絡輿情事件案例庫。進而以案例庫中的網絡輿情事件為研究樣本，對事件進行分類統計，抽取各類事件輿情信息的特征值，構造輿情分類信息特征值庫。在此基礎上，構造分析框架，綜合分析政府在各類事件輿情的應對過程中所采取的措施，分析這些措施的實效性和針對性，并進行量化研究，將其抽象化、要素化，作為應對體系的外部影響因素（如圖2中“政府干預行為因素環境變量”），并結合特征值庫中不同類別輿情的特征值，進行理論分析，研究政府應對措施對于不同類別網絡輿情演化過程的影響性，從而建立針對不同類別輿情的政府應對體系動態調適機制。3個子體系間有機融合，覆蓋政府網絡輿情應對工作的整個流程，同時，互動反饋，通過對輿情演變態勢的即時統計分析和圖表呈現，及時調整輿情應對策略，并基于應對的實效評估改進信息分析模式，優化體系架構，從而實現內部信息流共享，外部環境信息流動態反饋的自適應開放體系。圖2 政府網絡輿情應對的動態調適體系框架圖

3 網絡輿情應對體系的研判機理網絡輿情研判的科學性和準確性直接決定著應對體系的實效性，是整個體系的功能核心。研判體系作為中間層次，在政府網絡輿情應對體系的3個子體系中起到承上啟下的作用，對技術體系采集到的輿情信息進行分析研判，從而為管理體系提供決策支持。研判體系所涵蓋的具體工作有以下3個方面：①輿情分析。建立網絡輿情評估指標體系，對相關輿情信息，進行量化分析處理，包括屬性識別、信息分類、數量統計、重要性分級，同時結合人工分析，通過與之前信息分析結果相比較，研判相關輿情的觀點極性和變化趨勢。②輿情預警。實現危機輿情預警通報，按照評估指標體系中相關指標的計算原則，得到特定輿情的綜合量化評估值，將該值與預先設定的預警信息等級相比較，超過預警閾值則自動報警，繼而引入人工干預，啟動政府應急方案。③輿情評估。主要是總結網絡輿情應對的經驗教訓，評估研判模型的準確性和政府應對策略的實效性，為輿情應對體系功能改進及應急預案評估和修訂提供參考依據。為保證輿情研判的科學化和標準化，必須建立完備精準的網絡輿情評估指標，增強網絡輿情信息甄別的客觀性，并及時通過預警等級指標的判斷，對危機網絡輿情進行實時響應，同時有助于加強對熱點事件網絡輿情發展趨勢的預測，輔助政府干預性措施的制定，加強網絡輿情治理的實效性。網絡輿情評估指標包含輿情公共指數、輿情預警指數、演化周期指數、輿情趨勢指數4個評估指標集（如圖3）。公共指數是描述輿情信息本身屬性的參數集合，是輿情預警指數、演化周期指數、趨勢預測指數的計算分析中都需要用到的基礎參數集。預警指數用于判別輿情的信息敏感度及情感傾向度，并通過定義輿情等級指數，實現危機網絡輿情的識別及預警。演化周期指數主要用于定義和描述輿情演化周期中各個階段的特征，分析輿情演變規律的參數集。輿情趨勢指數主要用于追蹤輿情發展態勢，預測輿情未來的發展態勢。將上述4個評估指標集進行細化，共選取17個指數作為二級評估指標，包含33個基礎評估指標。評估指標主要有數量統計、程度分析、趨勢比較、描述性判斷4種類型。同時對33個基礎評估參數進行權重分析，并根據權重大小設置相應的分值。權重的確定是否合理，直接影響突發事件網絡輿情風險評價指標體系的有效性[4]。目前，用以確定評價指標權重的方法有多種，如專家排序法、專家決策咨詢法、模糊方程求解法、多元統計分析法、層次分析法，等等[5]。我們采用基于層次分析法的模糊綜合評判模型與專家咨詢法作為評價指標權重的確定方法，通過建立層次結構模型、構造成對比矩陣、計算權向量并做一致性檢驗、計算組合權向量并做組合一致性檢驗等一系列步驟，得到評價指標的權重。相較于其他權重確定方法來說，該方法簡單明了，同時能夠充分考慮和比較評價指標間的相對重要性，增加權重設計的科學性和合理性。

3.1 輿情公共指數輿情公共指數包含3個二級指標，分別是信息屬性、信息基源、輿情類型。信息屬性指標是反映輿情信息的基本屬性。信息基源指標是說明輿情信息的來源是否基于現實事件或熱點問題，并根據事件影響程度予以不同分值進行標示。輿情類型指標用于定義相關輿情所涉及事件的類型，用不同的分值標識不同類型事件性質的重要程度。各指標所屬參數定義如下：信息屬性：人、時間、IP地址、信息格式、來源網站、網站影響。信息基源：現實、現實熱點事件/問題、非現實事件。輿情類型：輿情信息的內容或基于的現實熱點事件所屬的類型。網絡輿情公共指數的計分項是依照各指標參數對于輿情重要性評估的影響權重來進行選取，按照上述原則，息屬性指標中選取了“信息格式”和“網站影響”作為計分項，事件的圖片和音頻信息能體現事件的真實性，而視頻信息的感染力更強。信息來源網站的權威性和人氣量會直接影響信息的可信性及其傳播范圍，新聞網站具有采訪權，的信息更具說服力，而熱點論壇社區和微博的傳播力強。信息基源指標根據網絡輿情信息與現實事件的關聯性強度進行分值的設置。輿情類型指標參照中國科學院計算技術研究所戴媛等人所遴選出的14大類輿情主題指標[6]，同時根據政府相關輿情應對的緊迫程度，將輿情事件類型歸納為7大類，分別設置相應的分值。

3.2 輿情預警指數輿情預警指數包含3個二級指標，分別是話題敏感度、情感傾向度和預警等級指數。話題敏感度指標是標示輿情信息的敏感程度，將輿情監測系統采集到的信息文本進行分詞處理，提取主題關鍵字，與預先設定的敏感目標詞庫中的關鍵詞相比較，匹配一致則認為該信息為敏感信息。敏感目標詞庫中的關鍵詞可設定為發帖地域、人名、機構名稱以及政治傾向性詞匯等，從而作為敏感信息的評判標準。情感傾向度是反映信息內容中的觀點或情感傾向程度的指標，從而辨別發帖內容觀點的情感傾向，并劃分其傾向程度的級別。預警等級指標用于定義網絡輿情的預警等級，等級越高表明輿情的影響范圍越大，所導致的危機發生幾率越高。各指標所屬參數定義如下：話題敏感度：評判信息敏感程度，分為敏感和非敏感兩項。情感傾向度：正面褒獎（最好、很好、一般），中性，負面批評（惡劣、很差、差、中性）。在綜合考慮國際標準、我國相關機構管理規定及網絡輿情演變特性的前提下，將網絡輿情的預警等級劃分為：輕警情（Ⅳ級，非常態）、中度警情（Ⅲ級，警示級）、重警情（Ⅱ級，危險級）和特重警情（Ⅰ級，極度危險級）4個等級，并依次采用藍色、黃色、橙色和紅色來加以表示[7]。網絡輿情智能化預警的實現過程是：首先抽取那些能夠突出反映輿情主要特征的因素，包括前述輿情公共指數中的信息屬性、信息基源、輿情類型指標，以及后面要介紹的演化周期指數中表征信息熱度及話題影響力的指標參數，還有預警指數中關于信息內容的話題敏感度、情感傾向度2個指標，分別進行量化處理。然后對上述3個指標集中各指數賦予一定的權重，并按照一定的關聯關系進行計算，從而計算某一特定網絡輿情的總指標值。最后通過比較預先定義的輿情預警指數中的預警等級指標，對總指標值所屬的預警值范圍作出預警等級判斷，進行相應級別的警情提示。鑒于上述實現過程的分析，輿情預警指數主要用于實現危機網絡輿情智能化預警功能的，其所包含的話題敏感度、情感傾向度2個指標參與輿情總指標值的計算過程，而所包含的預警等級指標是用于輿情總指標值范圍的判斷過程。

3.3 演化周期指數網絡輿情的演化周期可分為4個階段：萌芽階段、發展階段、階段、隱退階段。各階段的特點對比見表1所示：

表1 網絡輿情演化階段特點對比表

階段事件致因熱度網絡觀點

集中性影響力輿情態勢萌芽階段模糊很低個體分數極小出現端倪發展階段逐漸清晰迅速增加群體分散擴大波動發展階段完全清晰穩定增高群體集中最大積聚頂點隱退階段逐步淡化迅速收斂逐漸穩固降低逐漸消退了解了輿情演變周期的各階段特點后，進而需要分析各個階段的輿情要素構成以及它們的屬性、之間的關系，并通過各階段相同要素不同值的比較分析，獲取輿情的變化趨勢，最終歸納出網絡輿情演化規律，建立相關網絡輿情的演化模型。

3.3.1 萌芽階段分析指標網站影響：用來評估網站的權威性。第一時間話題網絡發帖的來源網站是否是國內外權威網站，可預測話題的影響范圍及關注度。原帖屬性：人、時間、IP地域、信息格式、來源網站、鏈接網址。信息基源：分析事件來源。發帖內容是否基于現實突發熱點事件，現實事件的性質。話題敏感度：評判輿情信息的性質。事件的主題或內容是否和預先設定的敏感目標詞庫中的某個關鍵詞相吻合。通過關鍵詞所標識的特征性來判斷發帖所涉及的地域、敏感人名、機構名、政治傾向等。情感傾向度：辨別發帖內容觀點的情感傾向，并劃分其傾向程度級別。正面褒獎（最好、很好、一般），中性，負面批評（惡劣、很差、差）。

3.3.2 發展階段分析指標發帖數量：相關主題發帖數量周期統計。利用監測系統以日為周期，自動對主題所涉及的相同關鍵詞發帖進行當天發帖總數統計，并觀察隔日發帖數量變化趨勢。互動量：統計各發帖的每日回復貼數，正反觀點所占比例分布，隔日回帖數量變化趨勢。影響擴散度：原帖被哪些主流網絡媒體轉載，主流網絡媒體是否有此項主題的新聞評論貼出現，主題在網上出現的發帖地域是否擴大化，傳統媒體是否報道相關主題。權威影響力：相同或相關主題的網絡者及傳統媒體的權威影響力如何，有否官方信息的權威。意見集中性：主題相關的網絡言論中，意見是否集中，各種意見的重點及傾向是什么，之間有否關聯，是否出現意見群體性趨勢。話題變化度：每天的新發帖中主題的變化情況分析，是否有新觀點出現，基于現實事件的話題，是否與現實事件變化同步，網絡觀點與現實觀點是否一致。

3.3.3 階段分析指標輿情透明度：輿情事件來龍去脈或基于的現實事件過程清晰程度及疑點聚焦。意見群體極性：各種群體意見是否綜合匯集成一種或幾種觀點，觀點的正面性或負面性。政府互動性：政府官方輿論的數量。輿情處置維度：網絡輿情發展的整個過程中，政府每次應對輿情的觀點、舉措、效果評價。二次輿論形成度：事件解決后，對整個事件過程的回顧及評價的言論在網上所引發的再次熱點討論貼數及出現的新觀點。

3.3.4 隱退階段分析指標相關主題末段貼數：跟蹤輿情解決后一定時段內網絡發帖數，統計其熱度變化情況。三次輿論形成度：相關主題討論逐漸消退后，最終處理是否徹底，事件是否出現反彈，從而引發原始話題輿情終結后的后續相關輿情出現。上述各階段輿情要素所包含的分析內容主要有數量統計、程度分析、趨勢比較、描述性判斷4種類型，需要計算機和人工共同完成分析工作。計算機系統完成信息數量統計和趨勢比較工作，人工完成描述性判斷和評論及對程度分析結果進行驗證的工作。最后，輿情規律演化框架的研究需要綜合以上各階段的輿情要素，可通過歷史網絡輿情為案例，進行各要素分析，從而整理出普適性的輿情演化規律，進而分類總結不同性質輿情演變的特殊規律。

3.4 輿情趨勢指數發帖數量：相關主題發帖數量周期統計。利用監測系統以日為周期，自動對主題所涉及的相同關鍵詞發帖進行當天發帖總數統計。互動量：統計各發帖的每日回復貼數，正反觀點所占比例分布，隔日回帖數量變化趨勢。影響擴散度：原帖被哪些主流網絡媒體轉載，主流網絡媒體是否有此項主題的新聞評論貼出現，主題在網上出現的發帖地域是否擴大化，傳統媒體是否報道相關主題。權威影響力：相同或相關主題的網絡者及傳統媒體的權威影響力如何，有否官方信息的權威。意見集中性：主題相關的網絡言論中，意見是否集中，各種意見的重點及傾向是什么，之間有否關聯，是否出現意見群體性趨勢。熱度變化度：每日發帖數、回復數、瀏覽數的變化比較分析。話題變化度：每天的新發帖中主題的變化情況分析，是否有新觀點出現。輿情趨勢指數通過輿情信息數量變化、話題集中性、影響擴散度以及觀點變化等方面的統計分析對網絡輿情發展趨勢進行展現，同時對照網絡輿情演化周期模型，估算當前趨勢所處的輿情發展階段，從而有針對性地調整政府應對措施并為將來輿情可能的發展狀況擬定好應對預案，促進政府網絡輿情工作的前瞻性和主動性。

4 結 語本文提出了網絡輿情應對體系的基本框架，構建了政府網絡輿情動態調適的應對體系，基于網絡輿情評估指標的建立，詳盡分析了應對體系的輿情研判機理，為解決當前政府網絡輿情應對中存在的主要問題提出了新的理論方案和實踐參考。

參考文獻

[1]梅松.基于電子政務的網絡輿情危機治理[J].湖北行政學院學報，2011，（4）：41-46.

[2]中國科學院語言研究所.現代漢語詞典[M].北京：商務印書館，1980：540.

[3]梅松.政府網絡輿情治理中的主要問題及對策思考[J].電子政務，2011，（6）：76-79.

[4]徐家良.政府評價論[M].北京：中國社會科學出版社，2006：35.

[5]張玉亮.基于發生周期的突發事件網絡輿情風險評價指標體系[J].情報科學，2012，（7）：1034-1037，1043.

網絡輿情監測系統范文第5篇

隨著以社會媒體為主的Web 2.0的發展和深入，以及移動終端等新媒體的普及，社會輿情的傳播途徑急劇擴張。網絡成為反映社會輿情的主要載體之一，網絡輿情影響力正積聚放大，對公共事務和政策的影響日漸深入。同時網絡技術更新網絡輿情信息來源不再局限與新聞評論、博客、貼吧等，隨著微博、即時通信工具的廣泛應用，現在新聞在網上的呈現與傳播不是以小時計，而是以分秒計，近乎于實時。短時間內就可能將突發事件傳播、發酵為有著重大輿論影響的事件。贏得時間就贏得了話語權，就贏得了輿論引導的主動權。把握好“黃金時間”是成功處置突發事件的第一道關口。因此，高校建立自己的互聯網輿情監測分析系統[1-3]，運用高科技手段對互聯網敏感內容進行24小時不間斷地自動監測和分析，可以提高信息收集和研判的效率和水平，進一步做好對廣大師生的輿論引導工作，從而更好的維護高校形象[4， 5]。

1 需求分析

現代高校管理工作中，有一部分重要的工作是對在校師的關注的重要信息能夠及時掌握，并能做出正確的引導。現有的收集信息的方式是通過網絡搜索引擎、網頁瀏覽的傳統手工信息收集方式已經無法滿足當前輿情監督工作的要求。手工方式監測范圍主要集中在幾大門戶網站、論壇、微博等，覆蓋面窄，難以較全面地收集到目標信息。效率低，及時性差，根本無法及時發現敏感信息，且無預警機制，突發事件容易造成被動局面。信息統計難以存檔，形成規范統計數據，更不可能有規范的數據進行分析，為高校輿論引導管理工作提供分析依據。因此建立一個擁有通過網頁內容的自動采集處理、專題聚焦、敏感詞過濾、統計分析等功能的輿情監測系統，可以實現高校對自己相關網絡輿情監督管理的需求，為高校管理層全面掌握廣大師生的輿情動態提供了信息保障，并能讓高校管理層對發生的輿情事件做出正確輿論引導。

2 系統功能設計

互聯網輿情監測分析系統分析為系統管理、信息采集、分析處理、信息服務等功能模塊，提供全方位輿情監測服務

2.1 系統管理模塊

提供基于WEB平臺標準網頁模式的管理工作界面，使用人員通過瀏覽器即可方便地進行各種操作控制與遠程管理。提供多頻道分類和多個監控專題設置，支持無限分類和無限站點加入。支持用戶自定義站點描述、起始URL、抓取深度、更新時間等各種參數配置。具備用戶管理和權限分配功能，針對不同用戶提供不同操作權限和個性化操作界面。

2.2 信息采集模塊

該模塊可以對境內外多種監控網站類型的靜動態網頁采集，包括新聞門戶、BBS、RSS、博客、貼吧、微博及其他類似結構網站。可以對監控專題的信息采集，可針對特定事件在設定時間內進行專門采集。可以自動對信息源進行24小時不間斷的實時監控能力，信息從出現到被檢索到的時間間隔應為分鐘級，對新信息進行實時更新和增量索引。對采集的信息提取摘要和關鍵字段信息，并按指定格式分字段存入全文庫相應位置，便于根據需要進行數據統計。

2.3 信息分析處理

系統對采集入庫的數據以下核心技術進行智能分析，對原始數據進行加工處理，關鍵數據提取，形成原始輿情庫。對各類主題能夠形成自動摘要。可以自動在搜索結果條目下顯示摘要信息。這些“摘要”幫助用戶迅速了解搜索結果的主要內容，提高工作效率。使用自動分類技術，基于用戶配置的關鍵詞，將收集的信息自動分類，以樹型結構的方式進行展現，結構清晰便于輿情工作人員第一時間找到有價值的信息，并實現對敏感信息的有效監控。由于網絡轉載的現象，網絡上存在大量的重復信息，可根據文檔內容的匹配程度確定是否重復，對重復信息自動判斷和區分，大大節省用戶時間。提供了敏感字庫，同時可根據用戶需求對敏感詞庫進行設定，信息采集器在運行過程中自動識別信息內敏感詞，對于包含敏感詞的信息系統提供“不入庫”、“入庫待審”、“入庫已審”等幾種處理方式。系統采用基于語義的文本傾向性研究方法，對新聞、評論、論壇、博客、微博中的信息進行整句和整篇情感分析，在計算機層面先進行研判再展現給系統用戶。可以利用內容主題詞組和回貼數進行綜合語義分析，識別敏感話題。

2.4 信息服務模塊

通過對采集入庫的數據進行智能分析，根據各分類每天采集的信息生成曲線圖形式的分析報表，可按每日、每周、每月、每季統計信息的更新情況。通過系統自動分類，根據預設的專題事件關鍵詞系統自動生成專題報道，集中展示相關專題信息，統計出時間發展趨勢。對于采集得到的重要敏感內容，經過網絡安全管理人員處理生成輿情簡報，為學校相關領導決策提供數據依據。可實時預警敏感內容發生，對已有的敏感內容信息庫，通過配置預警參數，對增長異常的事件、突發事件、涉及內容安全的敏感話題及時發現并通過頁面提示、電子郵件和手機短信等形式報警，通知學校相關管理人員采取措施處理。