本文關(guān)鍵詞：網(wǎng)絡(luò)輿情突發(fā)事件檢測與追蹤關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 子話題劃分 層次話題模型 事件關(guān)系識(shí)別 突發(fā)性檢測 情感過濾

【摘要】：在互聯(lián)網(wǎng)技術(shù)飛速發(fā)展并日益成熟的今天，網(wǎng)絡(luò)成為我們?nèi)粘Ｉ钪胁豢苫蛉钡囊粋�(gè)重要部分。加之平板電腦與智能手機(jī)等移動(dòng)互聯(lián)網(wǎng)終端設(shè)備日益普及，使得網(wǎng)民能夠隨時(shí)隨地地融入互聯(lián)網(wǎng)世界，隨著人們對(duì)網(wǎng)絡(luò)的依賴程度也逐漸加深，互聯(lián)網(wǎng)成為信息傳播的主要途徑之一。當(dāng)網(wǎng)絡(luò)突發(fā)事件發(fā)生后，更多的人習(xí)慣于從互聯(lián)網(wǎng)獲取相關(guān)信息，尤其是通過微博、微信、博客等網(wǎng)絡(luò)平臺(tái)獲取所謂的“事實(shí)真相”并進(jìn)行轉(zhuǎn)發(fā)。然而，網(wǎng)民在網(wǎng)絡(luò)上轉(zhuǎn)發(fā)這些信息時(shí)往往加載自己的主觀情感，這種由現(xiàn)實(shí)事件誘發(fā)的個(gè)體情感也比較容易引起網(wǎng)民的共鳴，由此可見，網(wǎng)絡(luò)對(duì)社會(huì)輿論有放大作用。如何從互聯(lián)網(wǎng)中捕捉到網(wǎng)絡(luò)輿情突發(fā)事件，從而合理地控制和引導(dǎo)輿論發(fā)展方向，減少突發(fā)事件造成的不必要危害，成為擺在人們面前的重要課題。由此可見，為網(wǎng)絡(luò)輿情事件的應(yīng)急處理提供數(shù)據(jù)支持和技術(shù)手段，這一研究課題具有積極的現(xiàn)實(shí)和理論意義。 目前，國內(nèi)外對(duì)網(wǎng)絡(luò)輿情突發(fā)事件的研究已經(jīng)有了很大的進(jìn)展，相關(guān)的專家學(xué)者從社會(huì)科學(xué)、心理學(xué)、信息科學(xué)等方面對(duì)網(wǎng)絡(luò)突發(fā)事件的演化機(jī)理、發(fā)生、發(fā)展規(guī)律進(jìn)行過深入地探討，但仍存在以下幾個(gè)亟待解決的問題： (1)互聯(lián)網(wǎng)環(huán)境下，信息碎片化傳播致使網(wǎng)民難以獲取全面的信息 互聯(lián)網(wǎng)環(huán)境下，網(wǎng)民在傳播信息的同時(shí)追求個(gè)性，加之網(wǎng)民知識(shí)結(jié)構(gòu)、年齡結(jié)構(gòu)、地域結(jié)構(gòu)的差異，致使他們對(duì)同一事件的關(guān)注點(diǎn)不同，選擇傳播的信息點(diǎn)和信息量也不盡相同，最終導(dǎo)致信息的碎片化傳播。信息碎片化傳播導(dǎo)致網(wǎng)民難以獲取全面的信息，反而獲取的是離散的、片面的信息碎片。片面的信息也給別有用心者提供了肆意發(fā)揮、捏造事實(shí)的空間，在一定條件下極易演化為網(wǎng)絡(luò)輿情。 (2)平面話題模型難以描述種子事件和衍生事件之間的語義聯(lián)系，，導(dǎo)致相關(guān)事件檢測困難 現(xiàn)有相關(guān)事件檢測方法多利用核心詞作為事件關(guān)聯(lián)的依據(jù)，該方案容易探測種子事件和衍生事件之間的關(guān)系，而衍生事件之間是否相關(guān)卻難以探測。尤其是當(dāng)衍生事件均與種子事件密切相關(guān)時(shí)，種子特征卻成為衍生事件間關(guān)聯(lián)檢測的干擾。如何消除種子事件帶來的干擾，探測種子事件和衍生事件之間的關(guān)聯(lián)關(guān)系，是本文擬解決的關(guān)鍵問題。 (3)現(xiàn)有方法忽略了網(wǎng)民情感對(duì)事件演化和傳播的影響，導(dǎo)致突發(fā)事件檢測準(zhǔn)確率降低 信息傳播的過程實(shí)質(zhì)上是網(wǎng)民情感交流和碰撞的過程。突發(fā)事件發(fā)生后，網(wǎng)民從互聯(lián)網(wǎng)獲取信息的同時(shí)會(huì)傳播信息，在信息傳播的過程中他們往往附加恐慌、憤怒或其他負(fù)面情緒。在信息傳播的過程中，網(wǎng)民情感得到放大和共鳴，最終導(dǎo)致群極現(xiàn)象，刺激網(wǎng)絡(luò)輿情事件爆發(fā)。 針對(duì)上述問題，本文將子話題劃分、相關(guān)事件識(shí)別、突發(fā)事件檢測三個(gè)方面作為本文的研究內(nèi)容，主要工作如下： (1)提出一種基于改進(jìn)蟻群聚類算法的子話題劃分策略 本文認(rèn)為，當(dāng)一個(gè)話題被劃分為若干個(gè)子話題時(shí)，劃分過程中話題的語義損失度應(yīng)保持最小。基于上述思想，本文首先將話題劃分為句子的集合，以句子為單位構(gòu)建它們的特征空間；以此為基礎(chǔ)構(gòu)造話題聚類語義損失度函數(shù)，結(jié)合sigmoid函數(shù)構(gòu)建語義相似度計(jì)算方法，改進(jìn)蟻群聚類算法，達(dá)到子話題劃分的目的；最后，通過直接評(píng)價(jià)和間接評(píng)價(jià)驗(yàn)證本文方法的可行性。 (2)提出一種基于實(shí)體依賴的相關(guān)事件識(shí)別方法 現(xiàn)有研究方法仍然是借鑒篇章關(guān)系分析方法，卻沒有注意到種子事件、衍生事件之間的關(guān)系，尤其是衍生事件之間的關(guān)系推理仍鮮有涉及。尤其忽略了衍生事件間事件關(guān)系識(shí)別過程由于種子特征帶來的干擾，導(dǎo)致衍生事件相關(guān)檢測準(zhǔn)確率降低的問題。為此，本文在子話題劃分的基礎(chǔ)上，將話題特征劃分為種子特征和衍生特征兩個(gè)維度，以此為基礎(chǔ)構(gòu)建層次事件模型，從種子特征和衍生特征兩個(gè)維度構(gòu)建文檔間的事件關(guān)聯(lián)線索。最后，引入依存句法分析和文檔內(nèi)事件關(guān)系線索，用于文檔間事件關(guān)系線索的擴(kuò)充，達(dá)到相關(guān)事件識(shí)別的目的。 (3)提出一種基于用戶情感的在線突發(fā)事件識(shí)別方法 自移動(dòng)終端接入互聯(lián)網(wǎng)以來，微博、微信等媒體平臺(tái)迅速發(fā)展。而在這些平臺(tái)中，網(wǎng)絡(luò)突發(fā)事件大大增加，其突發(fā)性、爆炸式增長和多點(diǎn)爆發(fā)等特點(diǎn)使得對(duì)于該類事件的檢測和追蹤帶來困難。針對(duì)這一問題，本文提出了一種融合用戶情感的突發(fā)事件檢測方法。本方法為話題構(gòu)造了層次模型，并且可以依靠時(shí)序驅(qū)動(dòng)的方式不斷的調(diào)整模型的特征項(xiàng)，以達(dá)到在線識(shí)別突發(fā)事件的目的。同時(shí)，通過對(duì)用戶情感的深入研究，分析網(wǎng)絡(luò)用戶對(duì)突發(fā)事件所持有的態(tài)度，將包含群體負(fù)面情感的話題視為突發(fā)話題，以此過濾掉網(wǎng)絡(luò)中充斥的大量生活、娛樂等熱點(diǎn)事件而非突發(fā)事件。
【關(guān)鍵詞】：子話題劃分 層次話題模型 事件關(guān)系識(shí)別 突發(fā)性檢測 情感過濾
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.1;TP18
【目錄】：

• 摘要6-8
• Abstract8-11
• 第1章 緒論11-23
• 1.1 研究背景和意義11-13
• 1.1.1 理論意義11-12
• 1.1.2 應(yīng)用價(jià)值12-13
• 1.2 研究現(xiàn)狀13-18
• 1.2.1 話題檢測與追蹤國際研究現(xiàn)狀13-17
• 1.2.2 話題檢測與追蹤國內(nèi)研究現(xiàn)狀17
• 1.2.3 突發(fā)話題檢測相關(guān)研究17-18
• 1.3 研究內(nèi)容及本文貢獻(xiàn)18-20
• 1.3.1 研究內(nèi)容18-19
• 1.3.2 本文貢獻(xiàn)19-20
• 1.4 本文的組織結(jié)構(gòu)20-23
• 第2章 基于改進(jìn)蟻群聚類算法的子話題劃分策略23-35
• 2.1 引言23
• 2.2 研究現(xiàn)狀23-24
• 2.3 蟻群聚類算法24-25
• 2.4 改進(jìn)的蟻群聚類算法25-27
• 2.4.1 損失函數(shù)定義25-26
• 2.4.2 概率轉(zhuǎn)換函數(shù)定義26-27
• 2.5 基于改進(jìn)蟻群算法的子話題劃分27-28
• 2.6 實(shí)驗(yàn)分析28-33
• 2.6.1 實(shí)驗(yàn)語料28
• 2.6.2 評(píng)測指標(biāo)28-29
• 2.6.3 實(shí)驗(yàn)結(jié)果及分析29-33
• 2.7 小結(jié)33-35
• 第3章 基于實(shí)體依賴的相關(guān)事件識(shí)別方法35-47
• 3.1 引言35
• 3.2 研究現(xiàn)狀35-37
• 3.2.1 國際研究現(xiàn)狀35-36
• 3.2.2 國內(nèi)研究現(xiàn)狀36-37
• 3.3 常用事件關(guān)系識(shí)別方法37-38
• 3.3.1 基于模式匹的事件關(guān)系識(shí)別37
• 3.3.2 基于特征分析的事件關(guān)系識(shí)別37-38
• 3.4 問題定義38
• 3.4.2 層次事件模型定義38
• 3.5 事件關(guān)系推理線索集構(gòu)建38-43
• 3.5.1 特征空間定義38-40
• 3.5.2 初始關(guān)系線索集構(gòu)建40
• 3.5.3 問題分析40-43
• 3.6 事件關(guān)系推理43
• 3.7 實(shí)驗(yàn)結(jié)果及分析43-46
• 3.7.1 實(shí)驗(yàn)語料43
• 3.7.2 評(píng)價(jià)指標(biāo)43-44
• 3.7.3 實(shí)驗(yàn)流程44-45
• 3.7.4 實(shí)驗(yàn)結(jié)果及分析45-46
• 3.8 本章小結(jié)46-47
• 第4章 基于用戶情感的在線突發(fā)事件識(shí)別研究47-59
• 4.1 引言47-48
• 4.2 研究現(xiàn)狀48-49
• 4.3 問題分析49-52
• 4.4 基于情感過濾的網(wǎng)絡(luò)突發(fā)事件預(yù)判52-55
• 4.4.1 新事件探測52-53
• 4.4.2 基于時(shí)序驅(qū)動(dòng)的突發(fā)性評(píng)估53
• 4.4.3 融合情感過濾的突發(fā)話題檢測53-55
• 4.5 實(shí)驗(yàn)及結(jié)果分析55-58
• 4.5.1 實(shí)驗(yàn)語料55-56
• 4.5.2 評(píng)價(jià)指標(biāo)56
• 4.5.3 實(shí)驗(yàn)流程56-57
• 4.5.4 實(shí)驗(yàn)結(jié)果分析57-58
• 4.6 本章小結(jié)58-59
• 第5章 網(wǎng)絡(luò)輿情分析系統(tǒng)59-67
• 5.1 網(wǎng)絡(luò)輿情突發(fā)事件預(yù)判系統(tǒng)設(shè)計(jì)方案59-61
• 5.1.1 系統(tǒng)整體設(shè)計(jì)59
• 5.1.2 系統(tǒng)設(shè)計(jì)思路59-60
• 5.1.3 網(wǎng)絡(luò)輿情突發(fā)事件預(yù)判流程60-61
• 5.2 網(wǎng)絡(luò)輿情預(yù)判系統(tǒng)主界面61-66
• 5.2.1 服務(wù)器端系統(tǒng)主要界面62-65
• 5.2.2 客戶端系統(tǒng)主要界面65-66
• 5.3 本章小結(jié)66-67
• 第6章 總結(jié)與展望67-69
• 6.1 總結(jié)67-68
• 6.2 進(jìn)一步工作68-69
• 參考文獻(xiàn)69-78
• 攻讀博士學(xué)位期間取得的成果及參與的課題78-79
• 致謝79-80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語義依存線索的事件關(guān)系識(shí)別方法研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

2 涂眉;周玉;宗成慶;;基于最大熵的漢語篇章結(jié)構(gòu)自動(dòng)分析方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

3 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線索構(gòu)建的事件關(guān)系識(shí)別方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

4 趙華;趙鐵軍;張姝;王浩暢;;基于內(nèi)容分析的話題檢測研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2006年10期

5 賈自艷 ,何清 ,張海俊 ,李嘉佑 ,史忠植;一種基于動(dòng)態(tài)進(jìn)化模型的事件探測和追蹤算法[J];計(jì)算機(jī)研究與發(fā)展;2004年07期

6 于滿泉;駱衛(wèi)華;許洪波;白碩;;話題識(shí)別與跟蹤中的層次化話題識(shí)別技術(shù)研究[J];計(jì)算機(jī)研究與發(fā)展;2006年03期

7 石晶;戴國忠;;基于PLSA模型的文本分割[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

8 李保利,俞士汶;話題識(shí)別與跟蹤研究[J];計(jì)算機(jī)工程與應(yīng)用;2003年17期

9 劉宗田;黃美麗;周文;仲兆滿;付劍鋒;單建芳;智慧來;;面向事件的本體研究[J];計(jì)算機(jī)科學(xué);2009年11期

10 洪宇;張宇;范基禮;劉挺;李生;;基于子話題分治匹配的新事件檢測[J];計(jì)算機(jī)學(xué)報(bào);2008年04期

本文編號(hào)：639968