网络舆情分析技术

图书标准信息

• 作者 蔡皖东
• 出版社 电子工业出版社
• 出版时间 2018-02
• 版次 1
• ISBN 9787121333545
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 224页
• 字数 323千字

【内容简介】

随着互联网技术的快速发展和广泛应用，网络媒体已经成为重要的信息传播和交流平台，同时也是网络舆情形成和传播的主要载体。网络舆情通常由突发社会公共事件触发，反映了人们对某一公共事件所表达的认知、态度、情感和倾向性，具有虚拟化、快捷化、多元化、开放性、匿名性及互动性等特点。随着网络舆论影响力的增强，网络舆情已经成为各级政府了解社情民意的重要窗口。

  随着网络舆论对社会和公众影响的不断增大，出现了网络炒作、造谣传谣等不良的现象，损害了网络媒体公信力，扰乱了网络正常传播秩序，产生了错误的舆论导向，极易引发社会群体性事件。因此，加强互联网管理和舆论治理非常重要和必要。

  国家大力推进网络舆情监控体系建设，加强对网络舆情监测和引导。网络舆情监测系统在互联网舆情监测中发挥了重要的作用，其系统核心技术就是网络舆情分析技术。网络舆情分析技术主要涉及网络信息采集技术、网络舆情传播机制、话题检测与跟踪技术、文本分割技术、文本情感分析技术等。本书主要介绍了网络舆情分析所涉及的主要方法和关键技术，全书共有7章，分别介绍了网络舆情概论、网络信息采集技术、微博网络信息传播机制、网络论坛舆情传播机制、话题检测与跟踪技术、文本分割技术和文本情感分析技术。在介绍主要模型和算法时，还给出了模型和算法的实验验证，以便读者加深对模型和算法的理解。本书可作为网络空间安全学科相关专业的研究生和本科生教材，也可作为从事相关工作的科技人员及管理人员的参考书。

【作者简介】

蔡皖东，西北工业大学计算机学院教授，博士生导师，西北工业大学信息安全学科带头人，从事网络信息空间安全、网络舆情管理等方面的科研和教学工作。

【目录】

目    录 

第1章  网络舆情概论1

1.1  网络舆情概述1

1.1.1  舆情与舆论1

1.1.2  网络舆情2

1.1.3  网络舆情演化3

1.1.4  网络舆情实例5

1.2  网络舆论空间治理8

1.2.1  网络炒作问题8

1.2.2  网络大V问题9

1.2.3  政务微博作用10

1.3  网络舆情传播平台13

1.3.1  微博网络13

1.3.2  网络论坛15

1.4  网络舆情分析技术16

1.4.1  网络舆情监测系统16

1.4.2  网络信息采集技术17

1.4.3  话题检测与跟踪技术20

1.4.4  文本情感分析技术22

第2章  网络信息采集技术25

2.1  引言25

2.2  搜索引擎概念25

2.2.1  通用搜索引擎25

2.2.2  主题搜索引擎27

2.3  网络蜘蛛概念29

2.3.1  基本概念29

2.3.2  通用蜘蛛29

2.3.3  主题蜘蛛32

2.4  网页搜索算法34

2.4.1  网页特征选取34

2.4.2  网页搜索算法36

2.4.3  链接分级搜索41

2.5  网页相似度计算43

2.5.1  向量空间模型44

2.5.2  相似度计算45

2.6  主题蜘蛛组成48

2.6.1  系统结构48

2.6.2  主题确立模块49

2.6.3  爬行模块49

2.6.4  相似度计算模块53

2.6.5  搜索策略模块53

2.6.6  系统界面54

第3章  微博网络信息传播机制56

3.1  引言56

3.2  微博用户转发特性57

3.2.1  转发行为特性57

3.2.2  转发特性分析61

3.3  微博转发行为预测66

3.3.1  预测算法66

3.3.2  算法验证72

3.4  微博转发峰值分析76

3.4.1  时间序列概念76

3.4.2  峰值特性分析77

3.5  微博意见领袖识别87

3.5.1  识别方法87

3.5.2  算法验证89

第4章  网络论坛舆情传播机制94

4.1  引言94

4.2  网络论坛舆情形成模型95

4.2.1  网络论坛结构95

4.2.2  舆情形成模型96

4.2.3  模型验证98

4.3  网络论坛意见领袖识别100

4.3.1  论坛有向网络图模型101

4.3.2  论坛意见领袖识别算法102

4.3.3  算法验证103

4.4  网络水军热帖检测106

4.4.1  热点话题特征提取107

4.4.2  水军热帖检测算法110

4.4.3  算法验证110

4.5  网络水军账号检测112

4.5.1  检测算法113

4.5.2  算法验证116

第5章  话题检测与跟踪技术119

5.1  引言119

5.2  基本概念120

5.2.1  TDT目标和任务120

5.2.2  TDT语料122

5.2.3  TDT评价指标122

5.3  相关技术124

5.3.1  表示模型124

5.3.2  相似度计算125

5.3.3  特征项选取126

5.3.4  文本聚类127

5.3.5  文本分类130

5.4  话题检测算法133

5.4.1  K-MEANS算法133

5.4.2  模糊聚类方法135

5.4.3  蚁群聚类算法138

5.4.4  算法验证139

5.5  话题跟踪算法145

5.5.1  KNN算法及改进145

5.5.2  算法验证146

5.6  热点话题检测148

5.6.1  检测方法148

5.6.2  算法验证151

第6章  文本分割技术155

6.1  引言155

6.2  基本概念156

6.2.1  文本分割点156

6.2.2  文本分割方法157

6.2.3  文本分割算法评价159

6.3  基于LDA模型的文本分割161

6.3.1  LDA模型161

6.3.2  LDA模型改进165

6.3.3  相似度计算167

6.3.4  边界识别策略168

6.3.5  算法验证169

6.4  基于VSM模型的文本分割174

6.4.1  特征项选取174

6.4.2  语义段分割方法176

6.4.3  算法验证179

第7章  文本情感分析技术181

7.1  引言181

7.2  基本概念182

7.2.1  文本情感分析层次182

7.2.2  文本情感分析方法184

7.2.3  语言建模方法184

7.3  句子情感分析方法185

7.3.1  主题句识别方法185

7.3.2  主观句识别方法189

7.3.3  主观关系识别方法192

7.3.4  算法验证195

7.4  段落情感分析方法198

7.4.1  语义段句子情感标注199

7.4.2  语义段句子权重计算199

7.4.3  语义段情感计算方法200

7.4.4  算法验证202

7.5  文本情感分析模型205

7.5.1  文本情感模型205

7.5.2  模型参数估计208

7.5.3  语言模型评价209

7.5.4  算法验证211

参考文献214