基于微博的社会舆情研判与预警体系构建.pdfVIP

社会观察 基于微博的社会舆情研判与预警体系构建 1 2 张利民 邹姝阳 （1.兰州石化职业技术学院人文社会系，甘肃 兰州 730060；2.香港中文大学 新闻与传播学院，中国 香港） 摘  要：本研究以新浪微博为主要舆情采集平台，对微博系统内海量信息进行日常性和持续性的抓取、跟踪与搜集。本论文针对微博信息传播特 点，充分利用网络信息挖掘技术、计算机中文信息处理技术、数据挖掘技术等应用技术，研究微博舆情监测关键技术及实施方案，力求构建适应微博 特点的网络舆情预警机制。 关键词：微博；舆情；研判；预警 1  引言 情感词，本研究基于情感词词典的方法来提取情感词。 近年来我国各类突发事件频发，社会稳定性显著降低，这不仅直 ① 极性词典的构建：词语除可表达特有的概念外，还能传达一 接导致社会经济生活及人身财产安全的重大损失，也极大地危害到社 定的感情色彩。感情色彩大体分为褒义和贬义两种，褒义如“好，聪 会的稳定与发展。中国社科院在其出版的《社会蓝皮书》一书中， 明、优秀”等，贬义如“坏、鄙夷、恶魔”等。具有褒贬义的词语集 将微博定义为杀伤力最强的舆论载体，体现了微博舆论的强大影响 合称为极性词典，本研究的极性词典主要取自《知网》 (HowNet)，包 力。 括程度级别词语、正负面评价词语、正负面情感词语等。 本研究来源于北京市大学生科研创新项目《基于微博的社会舆情 ② 倾向性分析算法与实现过程：词语中还有些极性修饰词，处理 研判与预警》的子项目，试图以新浪微博为对象，研究微博舆情监测 时，可给这些修饰词设置不同的强度系数。如定义极性褒义、贬义的 关键技术及实施方案，具体内容包括：博文自动抽取、中文分词、文 原始强度分别为：+1，-1，再定义极性修饰词“极其/最”的强度系数 档清洗（去停用词）、中文计算机表达、文档情感倾向判别、意见领 为2，则总的情感极性=词语极性*强度系数。另有些特殊情况需考虑： 袖识别、综合舆情判断等内容。 句式反转规则，适用于汉语中表示否定和反问句式，如：“不、不 2  研究过程 是、非、并非、难道、岂不”引导的句子，另遇到双引号或单引号括 起的情感词，均应对原话中的褒贬义进行反转。感情强化规则：汉语 2.1 微博数据的自动获取 的感叹号等可表示情感的增强，故可用感叹号的数量来表示感情色彩 网络舆情数据获取是网络舆情分析的前提。面对互联网的海量信 的强度。 息，迫切需要一种技术来帮助人们自动从网络上获取相关信息，从而 2.5 意见领袖识别 可以极大地提高人们获取信息的速度和广度。网络爬虫(WEB Crawler) 是搜索引擎的重要组成部分之一，其作用是为搜索引擎从网络中下载 社会突发事件发生后，微博中会往往会产生群体情绪，其间意见 所需的网页。相比网络爬虫，新浪微博的开放API接口可以更加简洁的 领袖对群体情绪的演化及舆情研判影响极大。据拉扎菲尔德的定义， 获取相应的数据，本研究即采用新浪微博的API接口作为数据挖掘工 意见领袖指在某一主题内特别活跃且有极大影响力的用户，所以本研 具。 究从如下两个方面分析微博意见领袖：用户影响力和用户活跃度。 ① OAUTH认证：使用新浪API前首先须完成用户认证。新浪微