互聯網輿情分析關鍵技術的研究與實現.pdf

1、隨著互聯網用戶爆炸式的增長，受眾群體越來越廣。在缺乏有效管理的互聯網上，對一些敏感案件和突發(fā)事件的不實言論和惡意煽動，誤導和欺騙了廣大人民群眾，擴大了人民群眾的不滿情緒，影響和破壞了社會的和諧穩(wěn)定?；ヂ摼W信息的健康程度已引起各級政府的高度重視，有必要對互聯網上涉及意識形態(tài)安全的議題和言論進行有效地監(jiān)管?；ヂ摼W網頁每天都以指數級的方式增長，要人工去甄別每個網頁所含的信息，并加以分析統計是不現實的。只有采用計算機自動處理技術，使其自動地對互

2、聯網輿情進行分析、整理，才能建立起全面、有效、快速的輿情監(jiān)測預警機制，使互聯網得以健康、快速的發(fā)展。因此，對互聯網輿情的獲取與分析技術的研究已成為一項緊迫而又重要的課題。
　　 本文對文本的語義傾向性分析這一關鍵技術進行了深入地研究，通過分析現有語義傾向性識別技術的優(yōu)缺點，結合隱馬爾科夫模型在文本處理方面的良好表現，將本文研究的文本語義傾向性分析方法應用到互聯網輿情分析系統中，對輿情信息進行分析，并提供輿情預警功能。
　　

3、 文本的語義傾向性分析的目的是判斷文本針對評價對象所持有的情感傾向是支持、反對還是中立。由于相似的評論文本，其內容必定有一定的內在聯系?；ヂ摼W輿情信息的表現方式多種多樣，本文以網絡評論為研究對象，試圖將隱馬爾科夫模型從已經成功應用的模式識別領域推廣到語義傾向性分析系統。與傳統傾向性識別系統不同的是，此理論通過建立隱馬爾科夫分類模型，將未知文本進行狀態(tài)序列化，得到文本中所有具有語義傾向的詞語所對應的傾向性，然后選定多數詞的傾向性來作為文

4、本的總體語義傾向。
　　 本文實驗系統采用Myeclipse7.0平臺的集成開發(fā)環(huán)境開發(fā)，分為語料采集、構建模型和語義識別三個模塊。語料采集模塊為其它兩個模塊提供數據支持。構建模型模塊將采集得到的數據作為語料進行訓練，得到語義識別模型；語義識別模塊完成對指定的文本的語義傾向性識別。本文通過對騰訊新聞論壇的數據分別進行封閉測試和開放測試，結果表明，該分析模型可以很好地識別各種未知文本的語義傾向性，并且當訓練數據越全面，規(guī)模越大時，