本站小編為你精心準備了基于數據挖掘的網絡輿情論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1網絡輿情分析模型

網絡輿情分析模型架構如圖1所示，其中網絡數據抽取與預處理是基礎，輿情分析引擎是關鍵，該引擎主要利用數據挖掘技術來實現，包括分類、聚類、關聯規則和異常檢測，最終能夠實現熱點識別、話題追蹤和輿情預警的功能。

1.1網絡數據采集與預處理網絡上存在海量的各種異構資源，例如文本、圖片、音頻、視頻等。輿情分析的第一步就是將各種數據采集來，可以利用開源的網絡數據抓取軟件進行，例如WebDataExtractor等。采集來的數據不規范，需要做進一步處理，例如聚集、抽樣、特征創建、特征子集選擇和變量變換等。預處理后的數據將會寫入數據中心，以便輿情分析引擎調用。

1.2數據挖掘數據挖掘可以從收集的大量數據集中發現有價值的信息，包括：分類、聚類、關聯規則和異常檢測等。輿情分析引擎的設計主要依托數據挖掘技術。分類又稱為監督學習，是指從給定的訓練數據中學習到一個分類模型。分類法包括：基于規則的分類法、決策樹分類法、神經網絡分類法、支持向量機、神經網絡和樸素貝葉斯分類法等。分類方法的主要目標是建立具有很好泛化能力的模型。網絡上的數據是以主題形式進行組織，常見主題有：政治、財經、體育、娛樂、軍事等。根據已有數據，利用分類技術，能學習生產一個判別模型，該模型能實現對新的網頁自動分類，這在新聞推送方面具有重要應用價值。聚類分析[9]（ClusterAnalysis）是一個無監督的學習過程，在發現數據分析和模式中起著十分重要的作用，其形式化描述為：給定數據集合D=｛x1，x2，…，xn｝，其中xi為數據對象，根據數據對象之間的相似度將數據集合劃分成k個不同的子集：C1，C2，…，Ck（k≤n），則對于坌i，j∈[1，k]，且為正整數，使得Ci≠覫，Ui=1kCi=D，且Ci∩Cj=覫成立。物以類聚，人以群分是對聚類技術的直觀解釋。各種社交網絡中，存在著微博“大V”，也稱為“意見領袖”。這些“大V”用戶擁有很多粉絲，他們的言行會對網絡輿論空間產生重大的影響，甚至左右輿論方向。

科學合理地分析這些“意見領袖”的內容，就抓住了社會網絡分析的主要方面。而聚類技術能夠快速識別出設計社會網絡中的意見領袖。關聯規則是描述數據庫中屬性之間存在的潛在關系的規則，形式為X→Y，其中，X稱為規則前件（an-tecedent），Y稱為規則后件（consequent）。項目集間的關聯規則的含義為：如果X出現在一條交易中，那么Y在這條交易中同時出現的可能性比較高。每條規則都對應兩個指標最小支持度（minsupport）和最小置信度（minconfidence），用來衡量它的興趣度。異常檢測的目標是發現與大部分數據不同的對象，也稱為離群點檢測（outlierdetection）、偏差檢測（deviationdetection）。異常檢測的方法主要有基于模型的技術、基于近鄰度的技術和基于密度的技術。論壇中，各網民都是針對特定主題進行發帖、回復或轉發的。如何發現一個新的帖子，與已有帖子內容的相似度極小，則該帖子為異常點。需要對該帖子格外關注，做進一步的語義分析。

2網絡輿情展現

網絡上，用戶經常會針對某一事件展開討論，有大量用戶參與討論的事件和話題稱為熱點話題。根據數據中心的內容，例如網頁的關鍵詞，回帖的數目，轉發的數量等，借用數據挖掘技術可以計算出各話題的熱度值。網絡上有海量信息，用戶沒有精力一一關注。本網絡輿情分析模型可以挑選出熱度值較高的話題反饋給用戶。網絡空間是真實社會空間的縮影，輿情分析模型中也引入社會網絡分析（SocialNetworkAnalysis）的方法。話題追蹤就是根據特定主題，利用相關技術，把該主題相關后續信息都搜集起來的方法。為實現話題追蹤，應先建立話題模型，常用的話題模型是向量空間模型（VectorSpaceModel）。在計算各話題間的相似度，常用的相似度有歐幾里得距離、閔可夫斯基距離等。

3結語

國家需要了解社情民意，這樣才能夠制定出正確的方針、政策。網絡媒體是廣大網民表達自身觀點的重要渠道，做好網絡輿情分析具有重要意義。本文提出了一種基于數據挖掘的網絡輿情分析模型，運用分類、聚類、關聯規則和異常檢測等方法，來實現熱點識別、話題追蹤和情感傾向性分析等功能。網絡上存在海量的、異構的數據資源，如何高效地整合這些資源、設計針對大數據的計算、分析和挖掘算法，是設計網絡輿情分析產品的關鍵，也是進一步努力的方向。

作者：趙紀濤王婷單位：許昌學院信息工程學院許昌學院圖書館