發(fā)布時(shí)間：2021-01-31 06:01

　　隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,網(wǎng)絡(luò)空間成為民眾對(duì)某一事件持有觀點(diǎn)、態(tài)度的重要表達(dá)場(chǎng)所,從而形成網(wǎng)絡(luò)輿情。網(wǎng)絡(luò)輿情借助互聯(lián)網(wǎng)具有信息實(shí)時(shí)性、受眾普遍性、超越時(shí)空性和傳播快速性等特征。網(wǎng)絡(luò)輿情是對(duì)現(xiàn)實(shí)世界輿情事件的反映,利用其獨(dú)有的特性,使得輿情事件快速傳播。這些新特點(diǎn)對(duì)政府治理公共輿情事件的時(shí)效性和準(zhǔn)確性提出了新的挑戰(zhàn),因此加強(qiáng)對(duì)網(wǎng)絡(luò)輿情,尤其是網(wǎng)絡(luò)輿情演化的研究具有重要的價(jià)值和現(xiàn)實(shí)意義。現(xiàn)有對(duì)網(wǎng)絡(luò)輿情演化的研究思路主要是基于兩個(gè)視角:一是從網(wǎng)絡(luò)輿情參與用戶的角度,對(duì)其參與輿情事件的數(shù)量及特點(diǎn)劃分階段,或根據(jù)輿情傳播方式,借助模型仿真研究輿情用戶變化;另一種是從輿情文本的角度,對(duì)其進(jìn)行情感分析、主題發(fā)現(xiàn)及主題熱度演變等的研究。但單獨(dú)從參與用戶或輿情文本角度不能系統(tǒng)化地揭示網(wǎng)絡(luò)輿情主題事件的演化活動(dòng),因此本文采用社會(huì)網(wǎng)絡(luò)分析法,綜合上述兩種研究思路,對(duì)網(wǎng)絡(luò)輿情參與用戶與文本內(nèi)容實(shí)施整合研究,利用文本挖掘技術(shù)與系統(tǒng)仿真技術(shù)系統(tǒng)研究網(wǎng)絡(luò)輿情主題事件的演化活動(dòng)。本文首先介紹了網(wǎng)絡(luò)輿情及網(wǎng)絡(luò)輿情演化、社會(huì)網(wǎng)絡(luò)、短文本挖掘的國(guó)內(nèi)外研究現(xiàn)狀;其次系統(tǒng)梳理了網(wǎng)絡(luò)輿情、社會(huì)網(wǎng)絡(luò)分析法、文本挖掘與系統(tǒng)仿真的理論知識(shí)... 

【文章來(lái)源】：福州大學(xué)福建省 211工程院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１社會(huì)網(wǎng)絡(luò)文獻(xiàn)時(shí)間分布??，，

類自然語(yǔ)言描述的文本轉(zhuǎn)化為機(jī)器可以識(shí)別的信息，需要把文涉及到文本表示技術(shù)。當(dāng)前常用的文本表示模型有：向量空間卷積神經(jīng)網(wǎng)絡(luò)和ＬＤＡ?（潛在狄利克雷分布）主題模型等。本掘中應(yīng)用較多的ＬＤＡ主題模型。??模型是把文本看成由詞匯組成，文本隱藏著若干主題，主題是這樣就可以把文本由詞項(xiàng)分布的高維空間轉(zhuǎn)化為主題分布的２－１所示，更為清晰快速的挖掘文檔內(nèi)容。主題模型主要利用來(lái)源于隱性語(yǔ)義索引（Ｌａｔｅｎｔ?Ｓｅｍａｎｔｉｃ?Ｉｎｄｅｘｉｎｇ，ＬＳＩ）?［７１］，Ｈｏｆ上提出了概率隱性語(yǔ)義索引（ｐｒｏｂａｂｉｌｉｓｔｉｃ?Ｌａｔｅｎｔ?Ｓｅｍａｎｔｉｃ?Ｉｎｄ此后，Ｂｌｅｉ?等［７３］在?ＰＬＳＡ?基礎(chǔ)上提出?ＬＤＡ?（Ｌａｔｅｎｔ?Ｄｉｒｉｃｈｌｅｔ?Ａｌｌｏｃ，即引入Ｄｉｒｉｃｈｌｅｔ先驗(yàn)分布得到的文檔－主題－詞項(xiàng)的三層貝葉圖模型表示如圖２－２所示：??Ｐ?（詞語(yǔ)｜文檔）＝２主題Ｐ（詞語(yǔ)｜主題）＊Ｐ（主題｜文檔）??文檔?主題??

圖２－２?ＬＤＡ圖模型表示??，Ｍ表示文檔數(shù)量，＞＾第１１１篇文檔的單詞個(gè)數(shù)，Ｋ表示主題所有單詞的個(gè)數(shù)。ｗｍ，ｎ表示第ｍ篇文檔中第ｎ個(gè)單詞，ｚｍ，ｎ表示ｎ個(gè)單詞對(duì)應(yīng)的主題；０ｍ表示第ｍ篇文檔中所有主題的概率中主題為ｋ里的所有單詞的概率分布；ｏｔ和Ｐ是Ｄｉｒｉｃｈｌｅｔ分布生成０和〇這兩個(gè)參數(shù)的參數(shù)。矩形為相應(yīng)變量重復(fù)采樣次〇ｋ，對(duì)應(yīng)遍歷所有主題的單詞概率分布，從Ｍ篇文檔中選擇中所有單詞Ｎｍ找到其對(duì)應(yīng)主題ｚｍ，ｎ，然后遍歷完所有Ｍ篇文檔。變量，即ｗｍ，ｎ文檔中單詞的分布是己知的，空心圓為待估計(jì)的主題個(gè)數(shù)Ｋ的確定學(xué)術(shù)界暫時(shí)沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，由于面對(duì)的，因此需要不斷實(shí)驗(yàn)驗(yàn)證得到最佳主題數(shù)。其中一種方法是ｘｉｔｙ）確定，它表示一篇文檔ｄ屬于某一主題ｐ的不確定程度，Ｂ主題數(shù)目曲線來(lái)確定最優(yōu)主題數(shù)目；另外一種是基于密度的自型選擇方法，首先選取初始Ｋ值，得到初始模型，計(jì)算各ｔｏｐｉｃ

【參考文獻(xiàn)】：
期刊論文
[1]基于閉頻繁項(xiàng)集短文本聚類[J]. 張少磊,王忠.  計(jì)算機(jī)應(yīng)用. 2016(S2)
[2]基于社會(huì)網(wǎng)絡(luò)分析的微博社區(qū)網(wǎng)絡(luò)結(jié)構(gòu)及傳播特性研究[J]. 杜洪濤,孟慶國(guó),王君澤.  情報(bào)學(xué)報(bào). 2016 (08)
[3]基于Hadoop的微博輿情監(jiān)控系統(tǒng)模型研究[J]. 楊愛(ài)東,劉東蘇.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2016(05)
[4]基于文檔對(duì)象模型與行塊分布算法的網(wǎng)頁(yè)信息抽取[J]. 高慶寧,吳鵬,張晶晶.  情報(bào)理論與實(shí)踐. 2016(04)
[5]基于頻繁項(xiàng)集的海量短文本聚類與主題抽取[J]. 彭敏,黃佳佳,朱佳暉,黃濟(jì)民,劉紀(jì)平.  計(jì)算機(jī)研究與發(fā)展. 2015(09)
[6]突發(fā)事件網(wǎng)絡(luò)輿情中網(wǎng)民群體行為演化的Agent建模與仿真研究[J]. 吳鵬,楊爽,張晶晶,高慶寧.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2015(Z1)
[7]融合BTM主題特征的短文本分類方法[J]. 鄭誠(chéng),吳文岫,代寧.  計(jì)算機(jī)工程與應(yīng)用. 2016(13)
[8]時(shí)空分異視角下非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情演化研究——以“上海12.31踩踏事件”為例[J]. 劉國(guó)巍,程國(guó)輝,姜金貴.  情報(bào)雜志. 2015(06)
[9]基于影響模型的網(wǎng)絡(luò)輿情演化與傳播仿真研究[J]. 朱毅華,張超群.  情報(bào)雜志. 2015(02)
[10]基于LDA特征擴(kuò)展的短文本分類[J]. 呂超鎮(zhèn),姬東鴻,吳飛飛.  計(jì)算機(jī)工程與應(yīng)用. 2015(04)

碩士論文
[1]基于頻繁詞集詞共現(xiàn)網(wǎng)絡(luò)的短文本聚類方法[D]. 李偉.北京交通大學(xué) 2016
[2]基于社會(huì)網(wǎng)絡(luò)分析的Web社區(qū)發(fā)現(xiàn)[D]. 舒昕.蘭州交通大學(xué) 2013



本文編號(hào)：3010331