论文部分内容阅读
摘要：为了研究舆情监测技术及其在高校的应用，采用文献资料研究法，结合目前网络舆情监测的关键技术及网络监测系统及实践，从舆情监测、舆情分析、舆情展示、话题跟踪等全生命周期的舆情监测策略着手，对舆情监测技术在高校的应用做综合论述。
关键词：高校；舆情监测；舆情监测系统
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）22-0042-02
网络舆情监测是个系统工程，涉及多种技术的运用，包括互联网搜索技术、信息智能处理技术、舆情挖掘技术，自然语言处理技术等[1]。高校网络舆情可以说是大学生的晴雨表，对构建和谐校园有着十分重要的意义。利用舆情监测技术对高校舆情进行监测，使高校管理者掌握第一手资讯，及时对学生加以引导，以避免形成突发事件。
1 高校网络舆情监测技术研究文献分析
近年来，国内外在理论上的研究和各种舆情监测软件系统的开发都层出不穷[2]，也取得了一定的成果。但目前对高校网络舆情监测技术的应用研究的还比较少。
研究选用中国知网为样本数据库， 以 “网络舆情监测”为主题进行检索，共检索文献1499篇，以“高校网络舆情监测”为主题共检索文献208篇，占到“网络舆情监测技术”相关文献的13.8%.从研究成果的时间序列变化看，对高校网络舆情监测技术的研究始于2007年，并呈逐年上升这样一个趋势，2015年是一个峰值。 高校网络舆情监测技术文献统计见下表：
2 网络舆情监测关键技术
2.1 基于统计的模式识别方法
杜智涛[3]等人先确定预测值的分类规则，然后根据危机发生的概率，识别预测值的发生等级，然后利用模式识别方法对预测的错误率进行检验。谢海光[4]等人分析了某个时间段内用户所关注的信息点的记录，构建了十个模式以及依据。郑凌[5]在硕士论文中依据这个原理对相关阈值进行设定和扩展，结果显示该方法在某论坛的异常事件监测准确率高。研究发现基于模式识别方法的舆情监测有一定的效用，但只能小规模的定点监测[6]。
2.2基于互联网挖掘技术的方法
2.2.1网络舆情的信息采集及预处理
王子豪等[7]提出采用专门的抓取器，如Goseeker 、import.io等编程语言，将采集的数据结构化后存储起来，利用网络爬虫技术进行网络数据的收集。潘文富等[8]提出利用网页清洗技术即从网页中过滤掉“噪声”数据，利用开源软件Htmlparse或者Xpressive技术来实现。熊志斌等[9]提出对Shark-Search搜索策略算法进行改进，利用面向主题爬虫Heritrixs实现。廉捷等[10]提出利用基于统计信息与语意理解的结合的算法实现网页内容的自动摘要处理。
2.2.2意见挖掘与观点分析
意见挖掘与观点分析就是从文本形式的数据中挖掘得到其表达的意见或是观点，目前对于这方面的研究还处于探索期，大学中很多团队的研究是通过对观点的分析来了解电子社区中动态情感变化。杨卉[11]在其博士论文中总结出意见挖掘与观点分析技术在商业和政府智能领域的应用，比如对客户满意度评价、服务质量评价、市场需求等为企业提供各种报告，以为高层决策做依据。
2.2.3倾向性分析
倾向性分析是对有感情色彩的主观性文本进行分析、处理、归纳的过程。黄敏[12]提出了改进算法即在统计全篇正负面词语数之前先统计单句中的正负面词语数，通过实验测试结果显示提高了准确率。王君泽等[13]提出倾向性分析依赖于语料库的完备性，他用一个词和具有正面倾向子集合中的词语的互信息减去这个词与具有负面倾向种子集合中的互信息来判断词语的倾向性。
3 网络舆情监测系统及实践研究进展
高校大学生在网络中的信息传播与意见交互空前迅捷，网络舆论的表达诉求也呈多元化，对高校来说，如何加强对网络舆论的及时监测、有效引导，对网络舆论危机的积极化解，是创建和谐校园的应有内涵。
从可获取的资料来看，各舆情系统的功能也存在着一定的差距，二种常用的系统比较如下表所示：
4 网络舆情监测技术在高校的应用
4.1高校网络舆情监测
李伟东等[14]提出采用网络信息阻断或者过滤技术中的协议还原技术、路由过滤技术和网关过滤技术等监测并清理网络舆情方面的不良信息，依照IP管理办法，建立IP地址使用信息数据库和IP地址使用逐级责任制。殷姿[15]提出了一种基于搜索引擎查寻日志的方法，通过分析网民的搜索关键词来预测高校网络舆情。吴晓倩[2]在其硕士论文中探讨了BBS舆情的成因，以高校网络舆情监控需求为出发点，结合动态删除算法和最短路径对分词算法进行了改进。
4.2 高校舆情分析
利用人工检索法或机器检索法，人工检索是以抽样的方法对观点进行聚类分析，机器检索是对相关信息借助累加器、网址指向判断等简单的程序给出信息出处及访问量。借助一些成熟的网络监控系统对舆情进行分析，如方正智思的舆情监测系统，通过对网上信息进行抓取，然后用自然语言处理技术来分析数据。利用研判分析方法，武汉大学的ROST虚拟学习团队依据已有的数据开展舆情事件特征分析，通过微博参与数、评论转发情况来判定意见领袖的活跃度，进而对舆情进行分析。
4.3高校舆情展示
王君泽[13]提出舆情展示的两种主要形式：标签云和关键词关联的网络模型，能够直观的展示一些热点事件及人们关注点的发展变化。丁菊玲等[16]提出一种基于观点树的网络舆情展示方法，介绍了从观点树中了解某网络舆情信息下的网民的观点。也可通过短信、邮件等形式将舆情分析结果推送给高校管理层。还可利用监测软件系统自动化的统计分析并展示结果，有翔实的数据支持。
4.4高校舆情跟踪 网络舆情具有信息的多样性及反复性，对已经处理过的信息进行追踪，是做好高校网络舆情研判的基础。张东霞等[17]提出一种经典的余弦相似度（距离）间的计算两个校园微博文本之相似度，若两个话题在余弦上越近，则其相似度高。张寿华[17]等提出了一种基于关键词提取的网络舆情热点追踪方案，并根据新闻、论坛以及博客的不同设计了热点分析模型。
5 结束语
本文对网络监测的关键技术和网络监测系统及实践进行了介绍，对高校舆情监测、舆情分析、舆情展示以及舆情跟踪全生命周期的监测过程进行了综述。随着高校网络舆情管理的需要，利用舆情监测技术为大学生营造良好的舆情环境和学习氛围已被提上日程，今后高校还应在舆情预警、分析、话题跟踪等方面进行更深入的探索。
参考文献：
[1] 潘文富，郭友实.网络舆情监测技术研究综述[J].福建电脑，2011（8）：39-41.
[2] 吴晓倩.高校网络舆情监测关键技术研究[D].合肥：合肥工业大学，2013：3-4.
[3] 杜智涛，谢新洲.利用灰色预测与模式识别方法构建网络舆情预测与预警模型[J].图书情报工作，2013（8）：27-33.
[4] 谢海光，陈中润.互联网内容及舆情深度分析模式[J].中国青年政治学院学报，2006（3）：95-100.
[5] 郑凌.逸仙时空BBS舆情模式识别研究[D].广州：中山大学，2009：6.
[6] 陈忆金，曹树金，陈少驰， 等.网络舆情信息监测研究进展[J].图书情报知识，2011（6）：41-49.
[7] 王子豪，崔浩.大数据背景下的网络舆情技术分析[J].新闻传播，2015（7）：113-114.
[8] 潘文富，郭友实.网络舆情监测技术研究综述[J].福建电脑，2011（7）：39-41.
[9] 熊志斌，王冬，尹成国.舆情监测技术及应用综述[J].软件，2012（2）：322-326.
[10] 廉捷，刘云.网络舆情中的信息预处理与自动摘要算法[J].北京交通大学学报，2010（2）：94-99.
[11] 杨卉.Web文本观点挖掘及隐含情感倾向的研究[D].吉林：吉林大学，2011：12.
[12] 黄敏.热点发现及文本倾向性分析技术研究[J].安徽工业大学学报，2011（10）：401-403.
[13] 王君泽，方醒，杜洪涛.网络舆情分析系统中的支撑技术研究[J].现代情报，2015（8）：51-56.
[14] 李伟东，刘敏姬.论大学生网络舆情监控与校园稳定维护[J].教育与职业，2010（21）：71-73.
[15] 殷姿.高校网络舆情监测方法：一种基于搜索引擎查询日志的研究[J].黑龙江高教研究，2014（6）：64-67.
[16] 丁菊玲，勒中坚，郑路，等.一种基于观点树的网络舆情信息表示方法[J].中国信息系统研究：新兴技术背景下的机遇与挑战，2009：884-887.
[17] 张东霞.基于高校学生微博的舆情热点分析与发现[J].东南传播，2013（6）：87-89.
[18] 张寿华，丛帅，尚开雨， 等.网络舆情追踪中热点关键词的提取[J].河北大学学报，2012（3）：311-315.
关键词：高校；舆情监测；舆情监测系统
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）22-0042-02
网络舆情监测是个系统工程，涉及多种技术的运用，包括互联网搜索技术、信息智能处理技术、舆情挖掘技术，自然语言处理技术等[1]。高校网络舆情可以说是大学生的晴雨表，对构建和谐校园有着十分重要的意义。利用舆情监测技术对高校舆情进行监测，使高校管理者掌握第一手资讯，及时对学生加以引导，以避免形成突发事件。
1 高校网络舆情监测技术研究文献分析
近年来，国内外在理论上的研究和各种舆情监测软件系统的开发都层出不穷[2]，也取得了一定的成果。但目前对高校网络舆情监测技术的应用研究的还比较少。
研究选用中国知网为样本数据库， 以 “网络舆情监测”为主题进行检索，共检索文献1499篇，以“高校网络舆情监测”为主题共检索文献208篇，占到“网络舆情监测技术”相关文献的13.8%.从研究成果的时间序列变化看，对高校网络舆情监测技术的研究始于2007年，并呈逐年上升这样一个趋势，2015年是一个峰值。 高校网络舆情监测技术文献统计见下表：
2 网络舆情监测关键技术
2.1 基于统计的模式识别方法
杜智涛[3]等人先确定预测值的分类规则，然后根据危机发生的概率，识别预测值的发生等级，然后利用模式识别方法对预测的错误率进行检验。谢海光[4]等人分析了某个时间段内用户所关注的信息点的记录，构建了十个模式以及依据。郑凌[5]在硕士论文中依据这个原理对相关阈值进行设定和扩展，结果显示该方法在某论坛的异常事件监测准确率高。研究发现基于模式识别方法的舆情监测有一定的效用，但只能小规模的定点监测[6]。
2.2基于互联网挖掘技术的方法
2.2.1网络舆情的信息采集及预处理
王子豪等[7]提出采用专门的抓取器，如Goseeker 、import.io等编程语言，将采集的数据结构化后存储起来，利用网络爬虫技术进行网络数据的收集。潘文富等[8]提出利用网页清洗技术即从网页中过滤掉“噪声”数据，利用开源软件Htmlparse或者Xpressive技术来实现。熊志斌等[9]提出对Shark-Search搜索策略算法进行改进，利用面向主题爬虫Heritrixs实现。廉捷等[10]提出利用基于统计信息与语意理解的结合的算法实现网页内容的自动摘要处理。
2.2.2意见挖掘与观点分析
意见挖掘与观点分析就是从文本形式的数据中挖掘得到其表达的意见或是观点，目前对于这方面的研究还处于探索期，大学中很多团队的研究是通过对观点的分析来了解电子社区中动态情感变化。杨卉[11]在其博士论文中总结出意见挖掘与观点分析技术在商业和政府智能领域的应用，比如对客户满意度评价、服务质量评价、市场需求等为企业提供各种报告，以为高层决策做依据。
2.2.3倾向性分析
倾向性分析是对有感情色彩的主观性文本进行分析、处理、归纳的过程。黄敏[12]提出了改进算法即在统计全篇正负面词语数之前先统计单句中的正负面词语数，通过实验测试结果显示提高了准确率。王君泽等[13]提出倾向性分析依赖于语料库的完备性，他用一个词和具有正面倾向子集合中的词语的互信息减去这个词与具有负面倾向种子集合中的互信息来判断词语的倾向性。
3 网络舆情监测系统及实践研究进展
高校大学生在网络中的信息传播与意见交互空前迅捷，网络舆论的表达诉求也呈多元化，对高校来说，如何加强对网络舆论的及时监测、有效引导，对网络舆论危机的积极化解，是创建和谐校园的应有内涵。
从可获取的资料来看，各舆情系统的功能也存在着一定的差距，二种常用的系统比较如下表所示：
4 网络舆情监测技术在高校的应用
4.1高校网络舆情监测
李伟东等[14]提出采用网络信息阻断或者过滤技术中的协议还原技术、路由过滤技术和网关过滤技术等监测并清理网络舆情方面的不良信息，依照IP管理办法，建立IP地址使用信息数据库和IP地址使用逐级责任制。殷姿[15]提出了一种基于搜索引擎查寻日志的方法，通过分析网民的搜索关键词来预测高校网络舆情。吴晓倩[2]在其硕士论文中探讨了BBS舆情的成因，以高校网络舆情监控需求为出发点，结合动态删除算法和最短路径对分词算法进行了改进。
4.2 高校舆情分析
利用人工检索法或机器检索法，人工检索是以抽样的方法对观点进行聚类分析，机器检索是对相关信息借助累加器、网址指向判断等简单的程序给出信息出处及访问量。借助一些成熟的网络监控系统对舆情进行分析，如方正智思的舆情监测系统，通过对网上信息进行抓取，然后用自然语言处理技术来分析数据。利用研判分析方法，武汉大学的ROST虚拟学习团队依据已有的数据开展舆情事件特征分析，通过微博参与数、评论转发情况来判定意见领袖的活跃度，进而对舆情进行分析。
4.3高校舆情展示
王君泽[13]提出舆情展示的两种主要形式：标签云和关键词关联的网络模型，能够直观的展示一些热点事件及人们关注点的发展变化。丁菊玲等[16]提出一种基于观点树的网络舆情展示方法，介绍了从观点树中了解某网络舆情信息下的网民的观点。也可通过短信、邮件等形式将舆情分析结果推送给高校管理层。还可利用监测软件系统自动化的统计分析并展示结果，有翔实的数据支持。
4.4高校舆情跟踪 网络舆情具有信息的多样性及反复性，对已经处理过的信息进行追踪，是做好高校网络舆情研判的基础。张东霞等[17]提出一种经典的余弦相似度（距离）间的计算两个校园微博文本之相似度，若两个话题在余弦上越近，则其相似度高。张寿华[17]等提出了一种基于关键词提取的网络舆情热点追踪方案，并根据新闻、论坛以及博客的不同设计了热点分析模型。
5 结束语
本文对网络监测的关键技术和网络监测系统及实践进行了介绍，对高校舆情监测、舆情分析、舆情展示以及舆情跟踪全生命周期的监测过程进行了综述。随着高校网络舆情管理的需要，利用舆情监测技术为大学生营造良好的舆情环境和学习氛围已被提上日程，今后高校还应在舆情预警、分析、话题跟踪等方面进行更深入的探索。
参考文献：
[1] 潘文富，郭友实.网络舆情监测技术研究综述[J].福建电脑，2011（8）：39-41.
[2] 吴晓倩.高校网络舆情监测关键技术研究[D].合肥：合肥工业大学，2013：3-4.
[3] 杜智涛，谢新洲.利用灰色预测与模式识别方法构建网络舆情预测与预警模型[J].图书情报工作，2013（8）：27-33.
[4] 谢海光，陈中润.互联网内容及舆情深度分析模式[J].中国青年政治学院学报，2006（3）：95-100.
[5] 郑凌.逸仙时空BBS舆情模式识别研究[D].广州：中山大学，2009：6.
[6] 陈忆金，曹树金，陈少驰， 等.网络舆情信息监测研究进展[J].图书情报知识，2011（6）：41-49.
[7] 王子豪，崔浩.大数据背景下的网络舆情技术分析[J].新闻传播，2015（7）：113-114.
[8] 潘文富，郭友实.网络舆情监测技术研究综述[J].福建电脑，2011（7）：39-41.
[9] 熊志斌，王冬，尹成国.舆情监测技术及应用综述[J].软件，2012（2）：322-326.
[10] 廉捷，刘云.网络舆情中的信息预处理与自动摘要算法[J].北京交通大学学报，2010（2）：94-99.
[11] 杨卉.Web文本观点挖掘及隐含情感倾向的研究[D].吉林：吉林大学，2011：12.
[12] 黄敏.热点发现及文本倾向性分析技术研究[J].安徽工业大学学报，2011（10）：401-403.
[13] 王君泽，方醒，杜洪涛.网络舆情分析系统中的支撑技术研究[J].现代情报，2015（8）：51-56.
[14] 李伟东，刘敏姬.论大学生网络舆情监控与校园稳定维护[J].教育与职业，2010（21）：71-73.
[15] 殷姿.高校网络舆情监测方法：一种基于搜索引擎查询日志的研究[J].黑龙江高教研究，2014（6）：64-67.
[16] 丁菊玲，勒中坚，郑路，等.一种基于观点树的网络舆情信息表示方法[J].中国信息系统研究：新兴技术背景下的机遇与挑战，2009：884-887.
[17] 张东霞.基于高校学生微博的舆情热点分析与发现[J].东南传播，2013（6）：87-89.
[18] 张寿华，丛帅，尚开雨， 等.网络舆情追踪中热点关键词的提取[J].河北大学学报，2012（3）：311-315.