社交網(wǎng)絡平臺逐漸成為互聯(lián)網(wǎng)用戶之間新的信息傳播媒介。當一件事情發(fā)生時,用戶借助社交網(wǎng)絡平臺發(fā)布一些文本、表情、圖片等信息,來表達與此相關的態(tài)度。這些信息通過社交網(wǎng)絡進一步被傳播擴散,從而產(chǎn)生一定的社會影響。一方面,輿情作為民意的表現(xiàn)形式,有利于政府及管理部門了解民情,服務民眾;另一方面,輿情也可能被不法分子利用煽動群眾情緒,破壞社會穩(wěn)定。這一背景下,輿情監(jiān)測系統(tǒng)的重要性不言而喻。目前國內(nèi)的新浪微博能在很大程度上反映了民眾的輿情,因此監(jiān)測微博輿情信息具有重要的現(xiàn)實意義。本文分析了國內(nèi)外輿情監(jiān)測的研究現(xiàn)狀及其應用系統(tǒng)的運行情況,詳細闡述了微博輿情監(jiān)測系統(tǒng)的需求分析,利用深度學習方面的相關模型,設計并開發(fā)了一個微博輿情監(jiān)測系統(tǒng)。該系統(tǒng)具有數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)宏觀分析、事件追蹤、熱點事件預測和負向輿情監(jiān)測等功能。系統(tǒng)核心功能模塊及原理如下:1.事件追蹤模塊。該模塊利用Bi-GRU模型和Attention機制構(gòu)建了事件追蹤模型,考慮了信息級聯(lián)規(guī)模隨時間動態(tài)增加的特點,截取了不同時間區(qū)間的級聯(lián)結(jié)構(gòu)信息,以此作為事件追蹤模型的輸入,來預測同一信息在未來不同時間區(qū)間的傳播范圍;2.熱點事件預測模...

【文章來源】： 黑龍江大學黑龍江省

【文章頁數(shù)】：80 頁

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究工作
    1.4 本文的組織結(jié)構(gòu)
第二章 相關理論和技術(shù)
    2.1 數(shù)據(jù)采集技術(shù)
        2.1.1 網(wǎng)絡爬蟲
        2.1.2 主題網(wǎng)絡爬蟲
    2.2 數(shù)據(jù)處理技術(shù)
        2.2.1 jieba分詞
        2.2.2 基于Markov Chain的隨機游走
    2.3 神經(jīng)網(wǎng)絡模型
        2.3.1 基于時序特征的RNN神經(jīng)網(wǎng)絡
        2.3.2 Bi-GRU神經(jīng)網(wǎng)絡
        2.3.3 注意力機制
    2.4 數(shù)據(jù)存儲技術(shù)
    2.5 本章小結(jié)
第三章 輿情監(jiān)測系統(tǒng)的需求分析
    3.1 可行性分析
        3.1.1 技術(shù)可行性
        3.1.2 運營可行性
    3.2 業(yè)務需求描述
    3.3 系統(tǒng)功能需求描述
        3.3.1 數(shù)據(jù)采集功能需求
        3.3.2 數(shù)據(jù)預處理功能需求
        3.3.3 輿情監(jiān)測功能需求
    3.4 系統(tǒng)非功能需求分析
        3.4.1 數(shù)據(jù)需求
        3.4.2 質(zhì)量需求
        3.4.3 時間特性要求
    3.5 本章小結(jié)
第四章 輿情監(jiān)測系統(tǒng)總體設計
    4.1 系統(tǒng)概述
    4.2 系統(tǒng)功能設計
    4.3 數(shù)據(jù)庫設計
        4.3.1 數(shù)據(jù)庫設計原則
        4.3.2 數(shù)據(jù)庫表結(jié)構(gòu)設計
    4.4 本章小結(jié)
第五章 輿情監(jiān)測系統(tǒng)詳細設計與實現(xiàn)
    5.1 數(shù)據(jù)采集模塊
        5.1.1 數(shù)據(jù)采集的流程設計
        5.1.2 數(shù)據(jù)采集的功能實現(xiàn)
    5.2 數(shù)據(jù)預處理模塊
        5.2.1 數(shù)據(jù)預處理的流程設計
        5.2.2 數(shù)據(jù)預處理的功能實現(xiàn)
    5.3 微博數(shù)據(jù)的宏觀統(tǒng)計與分析
        5.3.1 微博用戶特征的宏觀統(tǒng)計與分析
        5.3.2 微博信息級聯(lián)的宏觀統(tǒng)計與分析
    5.4 輿情事件追蹤模塊
        5.4.1 輿情事件追蹤模塊設計
        5.4.2 事件級聯(lián)預測模型ECP的構(gòu)建
        5.4.3 輿情事件追蹤模塊的功能實現(xiàn)
    5.5 熱點微博預測模塊
        5.5.1 熱點微博預測模塊設計
        5.5.2 熱點微博預測模塊的功能實現(xiàn)
    5.6 負向輿情檢測模塊
        5.6.1 負向輿情檢測模塊的設計
        5.6.2 情感分類模型SCM構(gòu)建
        5.6.3 負向輿情檢測模塊的功能實現(xiàn)
    5.7 本章小結(jié)
第六章 輿情監(jiān)測系統(tǒng)的測試
    6.1 測試說明
    6.2 功能測試
    6.3 性能測試
    6.4 本章小結(jié)
結(jié)論
參考文獻
致謝
攻讀學位期間發(fā)表的學術(shù)論文


【參考文獻】：
期刊論文
[1]基于Python的網(wǎng)絡爬蟲技術(shù) [J]. 陳樂.  電子世界. 2018(16)
[2]在線社會網(wǎng)絡謠言檢測綜述 [J]. 陳燕方,李志宇,梁循,齊金山.  計算機學報. 2018(07)
[3]一種基于RNN的社交消息爆發(fā)預測模型 [J]. 笱程成,秦宇君,田甜,伍大勇,劉悅,程學旗.  軟件學報. 2017(11)
[4]基于信息擴散級聯(lián)理論的網(wǎng)絡社區(qū)口碑信息樹狀傳播研究 [J]. 鄧衛(wèi)華,易明.  管理學報. 2017(02)
[5]基于在線社交網(wǎng)絡的動態(tài)消息傳播模型 [J]. 蒙在橋,傅秀芬.  計算機應用. 2014(07)
[6]微博用戶關系網(wǎng)絡的結(jié)構(gòu)研究與聚類分析 [J]. 楊凱,張寧.  復雜系統(tǒng)與復雜性科學. 2013(02)
[7]一種社交網(wǎng)絡虛假信息傳播控制方法 [J]. 王永剛,蔡飛志,Eng Keong Lua,胡建斌,陳鐘.  計算機研究與發(fā)展. 2012(S2)
[8]基于在線社交網(wǎng)絡的信息傳播模型 [J]. 張彥超,劉云,張海峰,程輝,熊菲.  物理學報. 2011(05)
[9]主題爬蟲的搜索策略研究 [J]. 劉漢興,劉財興.  計算機工程與設計. 2008(12)
[10]自適應最優(yōu)搜索算法的網(wǎng)絡蜘蛛的設計與實現(xiàn) [J]. 魏文國,謝桂園.  計算機應用. 2007(11)

博士論文
[1]文本情感分類及觀點摘要關鍵問題研究[D]. 張冬梅.山東大學. 2012

碩士論文
[1]基于社交網(wǎng)絡的動態(tài)遷移行為研究[D]. 田志浩.北京郵電大學. 2018
[2]主題網(wǎng)絡爬蟲的并行化研究與設計[D]. 王錦陽.西南石油大學. 2017
[3]社會化網(wǎng)絡數(shù)據(jù)獲取技術(shù)研究與實現(xiàn)[D]. 徐恒.吉林大學. 2016
[4]微博爬蟲的相關技術(shù)研究[D]. 羅一紓.哈爾濱工業(yè)大學. 2013
[5]主題爬蟲的設計與實現(xiàn)[D]. 彭小明.北京郵電大學. 2013
[6]主題爬蟲搜索策略研究[D]. 陳叢叢.山東大學. 2009



本文編號：3547987