论文部分内容阅读
摘 要：本文通过对于基于大数据的网络舆情管理的相关论文及文献的收集整理，从大数据网络舆情的新形势、网络舆情分析技术、网络舆情分析方法以及发展趋势四个方面进行了分析和评价，展示了当前阶段我国科研人员在大数据时代下对于网络舆情管理方面的研究现状和成果。
关键词：大数据 网络舆情
舆情是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，作为主体的民众对作为客体的社会管理者、企业、个人及其他各类组织及其政治、社会、道德等方面的取向产生和持有的社会态度。社会舆情映射到互联网环境中产生了网络舆情，随着因特网在全球范围内的蓬勃发展与应用，互联网环境中的的信息数据也呈几何级数的速度迅速膨胀。而在当今这个大数据时代，不仅给网络舆情的相关工作带来了挑战，同时也带来了机遇。
一、基于大数据网络舆情管理的新形势
近年来，大数据备受全球瞩目，目前比较主流的的“4V”定义，即认为大数据具有规模性（Volume）、价值性（Value）、多样性（Variety）以及高速性（Velocity）四个特征。在当前的新形势中，机遇与挑战并存，我们在应对大数据对舆情所带来的挑战时，应当善于发现和认清当中的机遇，并紧紧地把握机遇，为自身带来更大的提升。首先，话语权从主流媒体稀释向普通民众。当前大数据当道，海量信息充斥人们的生活，舆情也不再是媒体的专利。范宸西与韩松洋（2015）针对这种现象则提出了“大众麦克风”时代的说法。网民现已成为社会舆论中的一个举足轻重的意见阶层。其次是大数据对信息技术的更新换代提出了更高的要求。大数据使得舆情检测与分析的水平达到了个体级别，社会舆情的描述再也不是整体性的泛泛而谈，而是可以做到针对个体的可以得到更多细节的即时检测。大数据成为了舆情研究的利器。与此同时，数据之间存在着封闭性与关系断裂性会使得我们在整理数据获得规律时得到失真的信息。传统的数据跟踪搜集分析手段已经对此力不从心，这就对数据分析的技术手段提出了更高的要求。除此之外，海量的数据还使得数据安全的问题凸显出来，甚至政府的公信力也受到了前所未有的挑战。
二、基于大数据网络舆情的分析技术
随着web2.0时代的到来，互联网在我国迅速普及开来，相应的互联网分析技术也应运而生。丁菊玲（2011）构建了舆情预警指标，并将BP神经网络的数学模型运用其中，为舆情预警的定量分析提供了方法和标准。刘毅（2012）利用了基于三角模糊数的模糊层次分析法和模糊德尔菲法分别改进了舆情预警的权重确定，提高了语义分析的精确性和客观性。相对于上述几种较為传统的信息处理分析技术，大数据技术的优势在于可以处理海量数据，而云计算已成为大数据时代的支撑技术。它是一种新型的超级计算模式，有着数据密集型的特点。云计算中牵涉很多不同领域的技术种类，而其很多独有的技术都围绕着数据而展开，这些独有的技术主要分布于数据的存储和管理、编程模式等方面。现在处于主要地位的分别是谷歌的非开源的GFS（Google File System）和Hadoop开发团队开发的GFS的开源实现HDFS（Hadoop Distributed File System）。它们在本质上都是一种分布式的存储技术。
三、基于大数据网络舆情的分析方法
当前，在网络舆情的研究方面比较成熟、主流的分析方法主要有网络调查法、基于统计规则的模式识别方法、基于内容挖掘的主题检测方法等。现在在网络舆情的大数据4v特征之下，网络舆情的分析在针对大量显性舆情而进行的同时也要将目光更多的投向隐性舆情的方面，就是那些虽不是直接的网络舆情内容，却间接反映网民态度、情绪、意见的信息数据。以上几种方法均存在一定的局限性。一些新的方法应运而生。首先，在大数据时代的背景下，数据挖掘的方法已经在更大程度和更广范围的应用到了网络舆情的分析和研究之中。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。其次则是聚类（dustering）分析法，即根据对某种相似程度的度量，按照相似度将数据对象分组成为多个类或簇。聚类分析法已经被广泛的应用于很多方面的数据分析研究中。最后则是社会网络分析法（SNA），即通过对个体之间的关系构建模型并进行描述，对这些模型中包含的结构及其对个人和整个群体的影响进行分析。
四、基于大数据网络舆情管理的发展趋势
首先，我们可以将大数据应用到舆情管理的源头治理，大数据有着极强的联动分析能力，我们在网络舆情的管理中运用这种能力可以把网上网下的相关数据进行整合，形成一个相关联的舆情数据立方体。进而可以通过此渠道对舆情的深层次联系进行了解，从源头进行治理。其次，我们可以将大数据应用到日常的舆情管理中，加强对各个网络平台的监管。大数据的发展为传统网络舆情的管理拓宽了视野，我们可以运用大数据对网站、微博、微信等等网络平台进行监控，对信息数据的传播和动态进行实时分析，以便从瞬息万变的舆情信息中找准重点，合理分配有限的资源，提高舆情管理效率。不仅如此，我们还可以运用大数据来应对突发事件以及引导舆论方向。最后，我们也可以将大数据应用到政务信息的公开中，在保证数据信息安全的基础上，政府可以建立政府公开系统，并通过这种方式引导社会力量参与对政府舆论威信和公信力的建立。
五、结语
当今世界是信息的世界，而大数据已然成为这个信息世界的主流。大数据集合了海量不同种类的数据，使得各行各业之间数据的交互更加便利。舆情分析的核心是数据挖掘和数据分析。大数据时代的来临，为相关机构对网络舆情的分析提供了海量的数据资源、动态的数据变化和更为精准的数据处理方式。网络舆情的相关研究在大数据的基础上定然会产生更加长足的发展。
参考文献：
[1]IBM. What is big data？ [EB/OL].http；//wvvw901 .ibm. com/software/data/bigdata/.
[2]范宸西，韩松洋.大数据时代高校网络舆情应对策略的重新定位[J] 陕西行政学院学报，2015（02）：33-34.
[3]丁菊玲，勒中坚，薛圈圈.定量网络舆情危机预警模型构建[J].图书情报工作，2011，55（20）：59 - 63.
[4]孟小峰，李勇，祝建华.社会计算：大数据时代的机遇与挑战[J].计算机研究与发展，2013（12）.
[5]卿立新.创新大数据时代的网络舆情管理[J].红旗文稿，2014（22）：28-29.
[6]丁菊玲，勒中坚，薛圈圈.定量网络舆情危机预警模型构建[J].图书情报工作，2011，55（20）：59 - 63.
[7]刘毅.基于三角模糊数的网络舆情预警指标体系构建[J].统计与决策，2012，350（2）：12-15.李佳师.大数据：观念影响速度[N].中国电子报，2013-05-31，（5）.
[8]张亮，张斯民.基于WEB数据挖掘的网络舆情监测与分析系统[J].电子商务，2009（7）：310-312.
[9]马荔.突发事件网络舆情政府治理研究[D].北京：北京邮电大学，2010：5-7.
作者简介：吴文晓（1991—），女，西南科技大学经济管理学院硕士研究生，主要研究方向：网络舆情，信息用户服务。
关键词：大数据 网络舆情
舆情是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，作为主体的民众对作为客体的社会管理者、企业、个人及其他各类组织及其政治、社会、道德等方面的取向产生和持有的社会态度。社会舆情映射到互联网环境中产生了网络舆情，随着因特网在全球范围内的蓬勃发展与应用，互联网环境中的的信息数据也呈几何级数的速度迅速膨胀。而在当今这个大数据时代，不仅给网络舆情的相关工作带来了挑战，同时也带来了机遇。
一、基于大数据网络舆情管理的新形势
近年来，大数据备受全球瞩目，目前比较主流的的“4V”定义，即认为大数据具有规模性（Volume）、价值性（Value）、多样性（Variety）以及高速性（Velocity）四个特征。在当前的新形势中，机遇与挑战并存，我们在应对大数据对舆情所带来的挑战时，应当善于发现和认清当中的机遇，并紧紧地把握机遇，为自身带来更大的提升。首先，话语权从主流媒体稀释向普通民众。当前大数据当道，海量信息充斥人们的生活，舆情也不再是媒体的专利。范宸西与韩松洋（2015）针对这种现象则提出了“大众麦克风”时代的说法。网民现已成为社会舆论中的一个举足轻重的意见阶层。其次是大数据对信息技术的更新换代提出了更高的要求。大数据使得舆情检测与分析的水平达到了个体级别，社会舆情的描述再也不是整体性的泛泛而谈，而是可以做到针对个体的可以得到更多细节的即时检测。大数据成为了舆情研究的利器。与此同时，数据之间存在着封闭性与关系断裂性会使得我们在整理数据获得规律时得到失真的信息。传统的数据跟踪搜集分析手段已经对此力不从心，这就对数据分析的技术手段提出了更高的要求。除此之外，海量的数据还使得数据安全的问题凸显出来，甚至政府的公信力也受到了前所未有的挑战。
二、基于大数据网络舆情的分析技术
随着web2.0时代的到来，互联网在我国迅速普及开来，相应的互联网分析技术也应运而生。丁菊玲（2011）构建了舆情预警指标，并将BP神经网络的数学模型运用其中，为舆情预警的定量分析提供了方法和标准。刘毅（2012）利用了基于三角模糊数的模糊层次分析法和模糊德尔菲法分别改进了舆情预警的权重确定，提高了语义分析的精确性和客观性。相对于上述几种较為传统的信息处理分析技术，大数据技术的优势在于可以处理海量数据，而云计算已成为大数据时代的支撑技术。它是一种新型的超级计算模式，有着数据密集型的特点。云计算中牵涉很多不同领域的技术种类，而其很多独有的技术都围绕着数据而展开，这些独有的技术主要分布于数据的存储和管理、编程模式等方面。现在处于主要地位的分别是谷歌的非开源的GFS（Google File System）和Hadoop开发团队开发的GFS的开源实现HDFS（Hadoop Distributed File System）。它们在本质上都是一种分布式的存储技术。
三、基于大数据网络舆情的分析方法
当前，在网络舆情的研究方面比较成熟、主流的分析方法主要有网络调查法、基于统计规则的模式识别方法、基于内容挖掘的主题检测方法等。现在在网络舆情的大数据4v特征之下，网络舆情的分析在针对大量显性舆情而进行的同时也要将目光更多的投向隐性舆情的方面，就是那些虽不是直接的网络舆情内容，却间接反映网民态度、情绪、意见的信息数据。以上几种方法均存在一定的局限性。一些新的方法应运而生。首先，在大数据时代的背景下，数据挖掘的方法已经在更大程度和更广范围的应用到了网络舆情的分析和研究之中。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。其次则是聚类（dustering）分析法，即根据对某种相似程度的度量，按照相似度将数据对象分组成为多个类或簇。聚类分析法已经被广泛的应用于很多方面的数据分析研究中。最后则是社会网络分析法（SNA），即通过对个体之间的关系构建模型并进行描述，对这些模型中包含的结构及其对个人和整个群体的影响进行分析。
四、基于大数据网络舆情管理的发展趋势
首先，我们可以将大数据应用到舆情管理的源头治理，大数据有着极强的联动分析能力，我们在网络舆情的管理中运用这种能力可以把网上网下的相关数据进行整合，形成一个相关联的舆情数据立方体。进而可以通过此渠道对舆情的深层次联系进行了解，从源头进行治理。其次，我们可以将大数据应用到日常的舆情管理中，加强对各个网络平台的监管。大数据的发展为传统网络舆情的管理拓宽了视野，我们可以运用大数据对网站、微博、微信等等网络平台进行监控，对信息数据的传播和动态进行实时分析，以便从瞬息万变的舆情信息中找准重点，合理分配有限的资源，提高舆情管理效率。不仅如此，我们还可以运用大数据来应对突发事件以及引导舆论方向。最后，我们也可以将大数据应用到政务信息的公开中，在保证数据信息安全的基础上，政府可以建立政府公开系统，并通过这种方式引导社会力量参与对政府舆论威信和公信力的建立。
五、结语
当今世界是信息的世界，而大数据已然成为这个信息世界的主流。大数据集合了海量不同种类的数据，使得各行各业之间数据的交互更加便利。舆情分析的核心是数据挖掘和数据分析。大数据时代的来临，为相关机构对网络舆情的分析提供了海量的数据资源、动态的数据变化和更为精准的数据处理方式。网络舆情的相关研究在大数据的基础上定然会产生更加长足的发展。
参考文献：
[1]IBM. What is big data？ [EB/OL].http；//wvvw901 .ibm. com/software/data/bigdata/.
[2]范宸西，韩松洋.大数据时代高校网络舆情应对策略的重新定位[J] 陕西行政学院学报，2015（02）：33-34.
[3]丁菊玲，勒中坚，薛圈圈.定量网络舆情危机预警模型构建[J].图书情报工作，2011，55（20）：59 - 63.
[4]孟小峰，李勇，祝建华.社会计算：大数据时代的机遇与挑战[J].计算机研究与发展，2013（12）.
[5]卿立新.创新大数据时代的网络舆情管理[J].红旗文稿，2014（22）：28-29.
[6]丁菊玲，勒中坚，薛圈圈.定量网络舆情危机预警模型构建[J].图书情报工作，2011，55（20）：59 - 63.
[7]刘毅.基于三角模糊数的网络舆情预警指标体系构建[J].统计与决策，2012，350（2）：12-15.李佳师.大数据：观念影响速度[N].中国电子报，2013-05-31，（5）.
[8]张亮，张斯民.基于WEB数据挖掘的网络舆情监测与分析系统[J].电子商务，2009（7）：310-312.
[9]马荔.突发事件网络舆情政府治理研究[D].北京：北京邮电大学，2010：5-7.
作者简介：吴文晓（1991—），女，西南科技大学经济管理学院硕士研究生，主要研究方向：网络舆情，信息用户服务。