開題報告-微博輿情管理平臺數(shù)據(jù)分析系統(tǒng)的設(shè)計與實現(xiàn)

1、適合專業(yè)：信息安全專業(yè)指導教師（簽名）： 提交日期：2013年03月08日學院：計算機學院專業(yè):信息安全學生_學號：畢業(yè)設(shè)計（論文）基本容和要求：微博作為迅速崛起的新興社會媒體，在網(wǎng)絡(luò)輿情領(lǐng)域日益引起研究者 的關(guān)注。面對互聯(lián)網(wǎng)量的數(shù)據(jù)信息，我們無法想象僅僅通過人工的方式 來對互聯(lián)網(wǎng)輿情進行全面監(jiān)控的難度。因此，結(jié)合網(wǎng)絡(luò)信息采集技術(shù)和 文本信息自動處理等技術(shù)研發(fā)一個網(wǎng)絡(luò)輿情自動監(jiān)控系統(tǒng)將有利于社會 管理者們及時了解網(wǎng)絡(luò)輿情的狀態(tài)和趨勢，因而可以對發(fā)現(xiàn)的熱點輿情 及時進行干預，引導疏通民眾情緒和心、理，避免矛盾的進一步惡化而造 成更大的社會損失?，F(xiàn)有輿情監(jiān)測系統(tǒng)在采集、檢索和分析模塊中都是 采用基

2、于統(tǒng)計和特征關(guān)鍵詞的方法，由于忽略了文本中的語義信息往往 會導致分析結(jié)果的不精確。本畢業(yè)設(shè)計主要針對當前微博中用戶身份定 位、熱點信息挖掘以及負面信息的發(fā)現(xiàn)與及時處理等機制進行設(shè)計與實 現(xiàn)，主要分為數(shù)據(jù)采集、數(shù)據(jù)挖掘分析和結(jié)果呈現(xiàn)三個部分。主要的工 作分工如下：數(shù)據(jù)采集（微博爬蟲程序）功能的實現(xiàn)，抓取微博文本信息。對收集到的文本信息進行數(shù)據(jù)分析，確定輿情熱點關(guān)鍵詞、分 析用戶身份關(guān)系將分析結(jié)果進行數(shù)據(jù)呈現(xiàn)。微博輿情管理平臺預期實現(xiàn)對主流微博平臺（新浪微博，騰訊 微博等）消息的自動采集分析，得出最近熱點詞，關(guān)鍵詞；輸入關(guān) 鍵詞后可對與此關(guān)鍵詞有關(guān)的微博消息進行評估預警，提醒使用者 及時作出應對措

3、施頁腳.畢業(yè)設(shè)計重點研究的問題：對收集到的數(shù)據(jù)進行甄別歸類分析，實現(xiàn)分詞等算法。向量空間模型模型（VSM）及潛在語義索引（LSI）文本傾向性分析實現(xiàn)畢業(yè)設(shè)計應完成的工作：進行微博輿情監(jiān)控方面現(xiàn)狀的網(wǎng)絡(luò)調(diào)研，熟悉微博管理系統(tǒng)的 全過程；熟悉微波輿情監(jiān)控系統(tǒng)的工作流程，設(shè)計合理的分工方案；熟練掌握c和php數(shù)據(jù)分析算法實現(xiàn)；撰寫畢業(yè)論文。參考資料推薦：王藝.重大突發(fā)公共事件的微博輿情監(jiān)測與引導初探.民族學院 學報.2011.05c語言相關(guān)資料超.文本傾向性分析在輿情監(jiān)控系統(tǒng)中的應用研究（碩士學位論 文）.郵電大學.2008.02莫溢，盛華，悅，程學旗.一種相關(guān)話題微博信息的篩選規(guī)則學習 算法.中文

4、信息學報.2012.09陸浩.網(wǎng)絡(luò)輿情監(jiān)測研究與原型實現(xiàn).郵電大學.2009.02莫溢，盛華，悅，程學旗.一種相關(guān)話題微博信息的篩選規(guī)則學習 算法.中文信息學報.2012.09濤.智能信息處理技術(shù)在互聯(lián)網(wǎng)輿情分析中的應用（碩士學位論 文）.同濟大學.2008.05Larsen B， Aone C. Fast and effective text mining using linear-time document clustering. In： Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Di

5、scovery and Data Mining， San Diego： CA,1999. 16一22.其他要說明的問題:學院：計算機學院專業(yè)：信息安全學生：驍 學號: 09283050文獻綜述：研究背景：輿情分析關(guān)乎國家發(fā)展與社會和諧，目前已有越來越多的機構(gòu)和行 業(yè)從事輿情分析Web2.0時代的到來，使人們進入網(wǎng)絡(luò)信息大爆炸 時代。新浪微博每天有近1億的微博容產(chǎn)生。如何從海量的微博信 息中提取有價值的信息，并對負面、消極及虛假信息進行及時的管 控，已經(jīng)成為輿情熱點分析的突出問題。良好的解決方案，不僅可 以監(jiān)督規(guī)網(wǎng)絡(luò)行為，凈化網(wǎng)絡(luò)環(huán)境，更重要的還能從中獲取各類有 用信息，進行諸如商業(yè)價值（用戶興

6、趣挖掘），信息傳播學（網(wǎng)絡(luò)拓 撲與熱點追蹤），以及一些社會學方面的研究。從而能夠滿足人們的 需求，同時對于社會的和諧、網(wǎng)絡(luò)輿論生態(tài)的健康、國家的發(fā)展都 有重要的現(xiàn)實意義。研究現(xiàn)狀及基本方法目前，已有越來越多的機構(gòu)從事輿情分析。但是，這些輿情分析系 統(tǒng)一般只應用于企業(yè)或政府，更關(guān)注于對負面、消極及虛假信息的 監(jiān)管，并且不對公眾開放。在當今的社會，人們也迫切希望得到一 些關(guān)乎自身利益的事件的發(fā)展情況，如物價的變化、對于一些廠家 產(chǎn)品的使用評價等。對于微博輿情預警功能模塊的實現(xiàn)，網(wǎng)絡(luò)輿情 安全的評估預警等功能實現(xiàn)的不多。研究容及意義微博輿情管理平臺預期實現(xiàn)對主流微博平臺（新浪微博，騰訊微 博等）消息

7、的自動采集分析，得出最近熱點詞，關(guān)鍵詞；輸入關(guān)鍵 詞后可對與此關(guān)鍵詞有關(guān)的微博消息進行評估預警，提醒使用者及 時作出應對措施。面對互聯(lián)網(wǎng)量的數(shù)據(jù)信息，我們無法想象僅僅通過人工的方式來 對互聯(lián)網(wǎng)輿情進行全面監(jiān)控的難度。因此，結(jié)合網(wǎng)絡(luò)信息采集技術(shù) 和文本信息自動處理等技術(shù)研發(fā)一個網(wǎng)絡(luò)輿情自動監(jiān)控系統(tǒng)將有利 于社會管理者們及時了解網(wǎng)絡(luò)輿情的狀態(tài)和趨勢，因而可以對發(fā)現(xiàn) 的熱點輿情及時進行干預，引導疏通民眾情緒和心理，避免矛盾的 進一步惡化而造成更大的社會損失。主要參考文獻：洋，何楚杰，段俊文，春程.微博輿情熱點分析系統(tǒng)設(shè)計研究.信 息網(wǎng)絡(luò)安全.2012.09王藝.重大突發(fā)公共事件的微博輿情監(jiān)測與引導初

8、探.民族學院 學報.2011.05濤.智能信息處理技術(shù)在互聯(lián)網(wǎng)輿情分析中的應用（碩士學位論 文）.同濟大學.2008.05超.文本傾向性分析在輿情監(jiān)控系統(tǒng)中的應用研究（碩士學位論 文）.郵電大學.2008.02唐曉波 宋承偉.基于復雜網(wǎng)絡(luò)的微博輿情分析.情報學 報.2012.11恒文.基于網(wǎng)絡(luò)語義挖掘的輿情監(jiān)測預警研究（碩士學位論文）.理 工大學.2010.05王晶，朱珂，汪斌強.基于信息數(shù)據(jù)分析的微博研究綜述.計算 機應用.2012.07莫溢，盛華，悅，程學旗.一種相關(guān)話題微博信息的篩選規(guī)則學習 算法.中文信息學報.2012.09譚俊武.面向網(wǎng)絡(luò)輿情分析的文本傾向性分類技術(shù)的研究與實現(xiàn) （碩

9、士學位論文）.國防科技大學.2009.11陸浩.網(wǎng)絡(luò)輿情監(jiān)測研究與原型實現(xiàn).郵電大學.2009.02M. Spitters， W. Kraaij. Using Language Models for Tracking Events of Interest over Time Proceedings of the Workshop on Language Models for Information. Retrieval（LMIR）,Pinsburgh， 2001.Larsen B， Aone C. Fast and effective text mining using linear-time

10、 document clustering. In： Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining， San Diego： CA,1999. 16一22.J.Yi，T. Nasukawa，R Bunescu，and w. Niblack. Sentiment Analyzer： Extracting Sentiment S about a Given Topic using Natural Language Processing Techniq

11、ues A. In： Proceedings of the 3rd IEEE International Conference on Data Mining（ICDM22003）【C】.研究方案：理論基礎(chǔ)：1 ）向量空間模型模型（VSM）2）潛在語義索引（LSI）3）聚類分析方法研究步驟：1）研讀文獻，對已采集數(shù)據(jù)的算法分析進行調(diào)研；2）建立模型，進行模塊化設(shè)計；3）數(shù)據(jù)分析部分的代碼實現(xiàn)；4）對系統(tǒng)的整體實現(xiàn)；5）系統(tǒng)的測試、評價、反饋、改進；6）實驗數(shù)據(jù)收集，撰寫論文。關(guān)鍵技術(shù)與難點1）嘗試將共詞網(wǎng)絡(luò)與復雜網(wǎng)絡(luò)方法應用于基于微博的網(wǎng)絡(luò)輿情 分析中。使用圖論對現(xiàn)實中的輿情問題進行建模，運用數(shù)

12、學基本 理論對模型中實體之間的關(guān)系進行定量計算，應用直觀的共詞網(wǎng) 絡(luò)與復雜網(wǎng)絡(luò)可視化方法，對微博輿情分析中的兩個主要任務(wù)， 熱點探測和微博領(lǐng)袖熱點發(fā)現(xiàn)展開綜合研究。2）微博部分信息是零散的、高噪聲的、隨機的和碎片化的，從 而導致構(gòu)建出的文檔向量空間矩陣維數(shù)較高，但數(shù)據(jù)稀疏，因此 傳統(tǒng)基于VSM（Vector Space Mode1）的文本聚類方法在微博客熱 點探測中的效果不佳。需要對VSM進行改進或者提出更高效的方 法。3）輿情監(jiān)控系統(tǒng)的核心技術(shù)在于輿情分析引擎，涉及的最主要 的技術(shù)包括文本分類、聚類、觀點傾向性識別、主題檢測與跟蹤、 自動摘要等計算機文本信息容識別技術(shù)。其中基于關(guān)鍵詞統(tǒng)計分 析方法的技術(shù)相對比較成熟，但在其有效性方面還有很大的提高 空間。預期成果通過與組員的配合，實現(xiàn)一個能對微博信息進行檢測分析的平 臺；與已有的檢測平臺相比，實現(xiàn)更高的有效性，準確性；初步 實現(xiàn)對指定簡單微博關(guān)鍵詞