基于微博平台的社交网络舆情分析方法-计算机技术专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 近年来，微博平台快速发展，逐渐形成一个很大的网络媒体。通过微博评论参与各种热 门话题，能比传统媒体更早地做出话题检测，以此挖掘舆论观点的反应。针对大众话题互动 背后的文本对象主题，分析其内在的语义相关性，不仅具有很高的理论研究价值，也存在着 巨大的社会、经济价值。 传统的话题检测方法主要适用于传统媒体的文本，对于处理微博短文本稀疏的结构效果 不明显，论文提出了基于文本聚类的模型检测方法和主题分析模型。在该方法中，首先根据 微博特有的数据结构，进行预处理。并针对数据稀疏的问题，基于词向量利用聚类算法来丰 富数据结果信息。最后，在传统的潜在狄利克雷主题分配(LDA)模型基础上进行扩展。与传 统算法相比较，论文提出的方法在新浪微博测试语料集上取得了更好的性能，效果优于单一 的聚类算法或话题检测模型。 在提出基于文本聚类和主题模型进行话题检测的基础上，又提出了基于 Pagerank 微博信 息传播影响力评价模型，该模型可重点关注微博信息传输过程中数据结构的传输质量，从中 总结出影响微博用户行为特征的三个方面，也即用户节点活跃度、用户节点受关注度、用户 节点质量。最终将三者的加权平均值与微博节点的粉丝数量平衡后引入 PageRank 算法进行计 算，经过比较发现，该方法优于传统 PageRank 网页排名方法。 论文最后，通过对具体实例进行分析研究，设计实现了舆情分析原型系统，验证了论文 提出的话题检测方法与影响力评估模型的可行性。 关键词: 微博舆情，话题检测，LDA，传播影响力，PageRank I Abstract In recent years, microblog has become a kind of national network media form with rapid development and great influence. It becomes convenient for netizens to comment on various hot topics, which can usually make response ahead of the traditional media to make the effect of the event detection. Thus, deeply digging the themes behind amounts of inter-text objectives, analyzing the inner semantic associations and studying its evolutionary trend not only have great theoretical research value, but also contain huge economic and social value. The traditional topic detection method is mainly used to traditional media text while its processing effect on short microblog essays that are sparse. In this paper, we concentrate on the rich inter-text context-oriented information existing in the microblog data. Firstly we puts forward the pretreatment method of data weight based