涉稅網(wǎng)絡(luò)輿情監(jiān)控與分析系統(tǒng)研究.pdf

1、互聯(lián)網(wǎng)已成為各階層利益表達(dá)、情感宣泄、思想碰撞的重要輿情渠道。同時(shí)，互聯(lián)網(wǎng)上所傳播的輿論具有復(fù)雜性和多面性，網(wǎng)絡(luò)輿情的發(fā)言者由于身份隱蔽且發(fā)言缺乏有效監(jiān)督，導(dǎo)致網(wǎng)絡(luò)中的信息具有偏差性和欺騙性。網(wǎng)絡(luò)輿情的這些特點(diǎn)為國(guó)家稅務(wù)機(jī)關(guān)的網(wǎng)絡(luò)輿情監(jiān)管工作帶來(lái)了極大的挑戰(zhàn)，因此如何對(duì)涉稅網(wǎng)絡(luò)輿情進(jìn)行有效分析及預(yù)警成為亟需解決的問(wèn)題。
　　 本文首先描述并分析了涉稅網(wǎng)絡(luò)輿情監(jiān)控與分析系統(tǒng)的設(shè)計(jì)目標(biāo)和功能需求，在此基礎(chǔ)上結(jié)合國(guó)內(nèi)外類似項(xiàng)目建設(shè)方案

2、和應(yīng)用情況及涉稅敏感話題的特點(diǎn)設(shè)計(jì)了系統(tǒng)的整體框架圖，并對(duì)系統(tǒng)實(shí)現(xiàn)的技術(shù)難點(diǎn)進(jìn)行了分析。
　　 其次，本文設(shè)計(jì)了一個(gè)針對(duì)網(wǎng)絡(luò)輿情源數(shù)據(jù)獲取的網(wǎng)絡(luò)爬蟲(chóng)框架，其特點(diǎn)是可以針對(duì)不同類型的網(wǎng)絡(luò)輿情數(shù)據(jù)源設(shè)計(jì)不同的爬取策略，并綜合使用異步I/O、進(jìn)程池、協(xié)程等多種并發(fā)編程技術(shù)，以實(shí)現(xiàn)更快的下載和處理網(wǎng)頁(yè)。然后在該爬蟲(chóng)框架的基礎(chǔ)上分別實(shí)現(xiàn)了利用新浪微博開(kāi)放平臺(tái)API獲取新浪微博數(shù)據(jù)的微博類網(wǎng)絡(luò)爬蟲(chóng)和適用于新聞和論壇類輿情源站點(diǎn)的論壇類網(wǎng)絡(luò)爬

3、蟲(chóng)。
　　 再次，本文研究了稅務(wù)類敏感話題分析識(shí)別與檢測(cè)方法，將目標(biāo)問(wèn)題劃分為稅務(wù)類話題文本分類和敏感話題識(shí)別與檢測(cè)兩個(gè)階段，并分別使用基于支持向量機(jī)與TF-IDF算法的文本分類方法和基于全文檢索的關(guān)鍵詞匹配方法加以解決。實(shí)驗(yàn)表明，本方法可以有效的識(shí)別稅務(wù)類敏感話題相關(guān)的文本。
　　 最后，本文設(shè)計(jì)并實(shí)現(xiàn)了涉稅網(wǎng)絡(luò)輿情監(jiān)控與分析系統(tǒng)。該系統(tǒng)可以實(shí)時(shí)監(jiān)控用戶指定的網(wǎng)絡(luò)輿情數(shù)據(jù)源，識(shí)別與用戶定義的敏感話題相關(guān)的網(wǎng)絡(luò)文本，并通