论文部分内容阅读
近年来，伴随着互联网的普及，广大网民社会参与意识的提高和一些社会热点、突发事件的发生，网络舆情爆发了巨大的能量。特别是借助微博的兴起与发展，网民可以通过电脑、手机发布消息，每条最多140字。微博即时、快速、便捷和快速传播的特性，进一步推进了网络舆情的发展，微博上的舆论也成为了网络舆情中最具影响力的一种。
新浪微博作为Twitter类的新兴网络应用，是将微内容和SNS的结合，很大程度上改变了网络信息的分享和传播模式，通过关注功能，将用户关联在一起，使得微博出现了人人都是发言者，人人都是听众的局面。这既是信息传播方式的变革，也是人际关系互动的变革。这一变革能够对目前网络信息的价值带来全新的革命性的影响，带来全新的商业价值和社会价值。
信号分析是对事件出现的各种征兆或迹象进行解释、质疑、假设、数据补充、验证和评价的过程。此方法立足于不完全信息的条件下，通过关注信号的产生，连续监测、扫描，正确辨识、解读信号，可以对将要出现的威胁或危机及时做出预警。信号分析是情报学领域中一种重要的分析、预测方法。
本文应用信号分析框架，并对信号分析模型进行分解，将信号搜集映射为文本获取阶段，信号辨识映射为话题识别阶段，信号解读映射为情感倾向性判别阶段。在这一模型基础上，通过舆情获取、舆情发现和舆情分析三个实验，运用爬虫抓取、文本聚类、定量分析等方法，采用k-means算法和文本向量工具，对选定的“国计”和“民生”两个方面四大主题的新浪微博文本进行了舆情分析，识别了各大主题中网友热议热点话题，并通过时间和话题两个维度进行分布，采用分布统计汇总的方法，识别了新浪微博各个话题的文本情感倾向性，得到了新浪微博网络舆情的精准与长尾、时效与口碑、扩散与共鸣的三大特点以及这些特点对电子商务、企业决策支持、网络舆情预警各个方面的指导作用。