微博的輿情發(fā)現(xiàn)與分析研究.pdf

1、隨著信息技術(shù)的高速發(fā)展，互聯(lián)網(wǎng)得到了廣泛普及，對(duì)社會(huì)產(chǎn)生了日益深遠(yuǎn)的影響。作為互聯(lián)網(wǎng)時(shí)代的重要產(chǎn)物，微博成為了眾多網(wǎng)民生活中不可或缺的一部分。微博是一個(gè)分享簡(jiǎn)短實(shí)時(shí)信息的廣播式社交網(wǎng)絡(luò)平臺(tái)。在微博平臺(tái)上，用戶可以描述自己周圍發(fā)生的事情,發(fā)表自己對(duì)某個(gè)事情的看法，甚至可以推廣自己的產(chǎn)品。在滿足人們網(wǎng)絡(luò)社交需求的同時(shí)，微博也顯現(xiàn)出了在網(wǎng)絡(luò)輿論中的重要地位。面對(duì)每天數(shù)以億計(jì)的博文，如何挖掘出微博輿情，并對(duì)微博輿情進(jìn)行分析顯得越來(lái)越重要。目前對(duì)

2、于微博輿情的研究處于起步階段，仍有許多值得研究的工作。
　　本研究主要內(nèi)容包括：⑴采集篩選微博數(shù)據(jù)及數(shù)據(jù)預(yù)處理。分別研究了基于微博API的數(shù)據(jù)采集方案，基于網(wǎng)絡(luò)爬蟲的微博數(shù)據(jù)采集方案。結(jié)合了兩種微博數(shù)據(jù)采集方案對(duì)公共微博數(shù)據(jù)和用戶微博數(shù)據(jù)分別進(jìn)行了采集。從微博用戶和微博內(nèi)容兩方面，對(duì)微博數(shù)據(jù)進(jìn)行了篩選。并且對(duì)微博文本進(jìn)行了分詞處理、去停用詞處理、特征選擇處理，向量表示。⑵提出了一種微博輿情發(fā)現(xiàn)算法。對(duì)現(xiàn)有的微博熱點(diǎn)發(fā)現(xiàn)算法進(jìn)行了分

3、析，研究了各個(gè)熱點(diǎn)發(fā)現(xiàn)算法的優(yōu)點(diǎn)和不足，提出了HEA熱點(diǎn)發(fā)現(xiàn)算法。針對(duì)單個(gè)文本聚類算法對(duì)微博文本聚類效果差的問題，提出了一種混合聚類算法HKSK。將HKSK算法與HEA算法相結(jié)合提出了HKSK-HEA的熱點(diǎn)發(fā)現(xiàn)算法。實(shí)驗(yàn)證明該算法可以有效的發(fā)現(xiàn)微博熱點(diǎn)。⑶提出了一種微博情感分析算法。研究了目前常用的情感分析算法。對(duì)目前已有的情感詞典進(jìn)行了整理，構(gòu)建了基礎(chǔ)情感詞典，并針對(duì)文本語(yǔ)義的特點(diǎn)構(gòu)建了情感修正詞典。考慮到微博文本的網(wǎng)絡(luò)屬性，構(gòu)建了表