摘 要：針對高校傳統(tǒng)輿情監(jiān)控與預(yù)警手段的不足，本文設(shè)計(jì)構(gòu)建了一個(gè)基于中文信息處理與挖掘技術(shù)的高校網(wǎng)絡(luò)輿情監(jiān)控預(yù)警系統(tǒng)，系統(tǒng)結(jié)合相關(guān)技術(shù)實(shí)現(xiàn)了互聯(lián)網(wǎng)信息的采集、識別分析、熱點(diǎn)推送與預(yù)警功能，為高校監(jiān)測和解決公共危機(jī)和熱點(diǎn)事件提供了技術(shù)手段。

關(guān)鍵詞：高校輿情；監(jiān)控；信息挖掘

1 引言

本文結(jié)合網(wǎng)頁信息采集、中文信息處理以及web內(nèi)容挖掘等技術(shù)設(shè)計(jì)構(gòu)建了高校網(wǎng)絡(luò)輿情監(jiān)控預(yù)警系統(tǒng)，實(shí)現(xiàn)了熱點(diǎn)話題的推送與跟蹤，輿情內(nèi)容的篩選和判定，以及公共危機(jī)和熱點(diǎn)事件的檢測預(yù)警功能。

2 系統(tǒng)功能設(shè)計(jì)分析

高校網(wǎng)絡(luò)輿情監(jiān)控系統(tǒng)需要對互聯(lián)網(wǎng)上各類信息，如：各大網(wǎng)站、百度貼吧、微博、校內(nèi)BBS等進(jìn)行24小時(shí)監(jiān)控，隨時(shí)采集話題性強(qiáng)、時(shí)效性新的各類消息和意見，在對收集到的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、內(nèi)容清洗過濾、關(guān)鍵詞提取等預(yù)處理后，利用文本分類、聚類等方法對處理后得到的輿情信息進(jìn)行分析、挖掘，實(shí)現(xiàn)熱點(diǎn)信息的發(fā)現(xiàn)和跟蹤。此外，系統(tǒng)通過與用戶的交互界面，將輿情分析結(jié)果反饋上報(bào)給高校網(wǎng)絡(luò)監(jiān)管人員，以幫助他們及早發(fā)現(xiàn)輿情信息，實(shí)現(xiàn)對高校重大輿情事件的及時(shí)響應(yīng)。系統(tǒng)模塊主要包括以下部分：

2.1 輿情信息采集

輿情信息采集模塊是整個(gè)系統(tǒng)數(shù)據(jù)分析的信息源，指的是抓取Web 網(wǎng)頁和存儲相關(guān)數(shù)據(jù)，即通過網(wǎng)頁的鏈接地址來尋找網(wǎng)頁。從網(wǎng)站的初始頁面開始，輿情信息采集模塊抓取網(wǎng)頁內(nèi)容，并且獲得當(dāng)前網(wǎng)頁的全部鏈接URL放到有序的待采集隊(duì)列里。完成初始頁面的抓取后，輿情信息采集模塊依次取出隊(duì)列中的URL，在抓取網(wǎng)頁內(nèi)容的同時(shí)，獲取它所指向的鏈接URL放到待采集的隊(duì)列里。上述過程一直循環(huán)，直到整個(gè)網(wǎng)站的全部網(wǎng)頁都被采集完為止。

2.2 信息預(yù)處理

除正文內(nèi)容外，Web頁面包含廣告鏈接、版權(quán)信息等其他大量信息，因此，信息采集模塊抓取到的數(shù)據(jù)含有大量噪聲。另外，與傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)相比，web文檔中的數(shù)據(jù)結(jié)構(gòu)較為復(fù)雜，難以直接處理。因此，信息預(yù)處理模塊是信息采集后的關(guān)鍵步驟，主要工作包括：讀取采集到的Web信息數(shù)據(jù)后，首先對數(shù)據(jù)進(jìn)行頁面清洗與內(nèi)容提取以去除文本中的無關(guān)信息，然后對文本進(jìn)行分詞索引，通過特征和關(guān)鍵詞提取技術(shù)提取有效的關(guān)鍵信息為輿情信息分析模塊提供數(shù)據(jù)資源。

頁面清洗的主要工作是對網(wǎng)頁的注釋、導(dǎo)航、廣告和版權(quán)說明等噪聲信息去噪，達(dá)到在Web頁面中劃分出精確的信息單位的目的，然后通過內(nèi)容提取將復(fù)雜的Web數(shù)據(jù)格式轉(zhuǎn)化成具有固定模式、操作性強(qiáng)的信息。常用的Web信息提取方法有基于規(guī)則的提取方法，基于應(yīng)用本體的提取方法等。文本分詞是將網(wǎng)頁中連續(xù)的字詞序列以一定的規(guī)則重新分割成詞的序列的過程。常用的分詞算法有基于字符串匹配、基于理解和基于統(tǒng)計(jì)的分詞方法，其中，基于統(tǒng)計(jì)的分詞方法具備識別能力強(qiáng)、分詞準(zhǔn)確率高及便于實(shí)施等優(yōu)勢，更適合網(wǎng)絡(luò)輿情監(jiān)控預(yù)警系統(tǒng)的研究要求。特征與關(guān)鍵詞提取是指從分詞后的文檔中提取有效的關(guān)鍵信息，達(dá)到減少數(shù)據(jù)維數(shù)的目的。常用的特征抽取的方法包括基于詞性和詞義的特征提取方法。

2.3 輿情信息分析

輿情分析模塊是系統(tǒng)中最為關(guān)鍵的處理模塊，主要利用文本分類和聚類等方法對預(yù)處理的輿情數(shù)據(jù)信息進(jìn)行分析、挖掘，以實(shí)現(xiàn)熱點(diǎn)信息和敏感話題的發(fā)現(xiàn)、跟蹤。

熱點(diǎn)信息發(fā)現(xiàn)的算法本質(zhì)上屬于文本聚類算法，其實(shí)現(xiàn)目的是通過對預(yù)處理的文檔按照話題進(jìn)行聚類，以獲取聚類中心，也就是輿情熱點(diǎn)。熱點(diǎn)事件跟蹤是為方便用戶跟蹤自己所關(guān)心的熱點(diǎn)事件而進(jìn)行的操作，首先由用戶將已獲得的熱點(diǎn)樣本信息以系統(tǒng)學(xué)習(xí)的方式交給系統(tǒng)，然后系統(tǒng)通過文本挖掘技術(shù)對不斷獲取的信息進(jìn)行分類，判斷其是否為用戶感興趣的內(nèi)容。在判斷的同時(shí)，系統(tǒng)也通過用戶的反饋信息不斷地修正系統(tǒng)的學(xué)習(xí)算法，使得交給用戶的信息越來越接近用戶感興趣的內(nèi)容。本質(zhì)上來說，熱點(diǎn)事件跟蹤是一種特殊的二元分類問題。敏感話題識別就是通過分析話題參與規(guī)模、評論觀點(diǎn)對立度等相關(guān)因素統(tǒng)計(jì)某個(gè)主題在不同的時(shí)間段內(nèi)被人們所關(guān)注的程度。如果參與討論某個(gè)話題的學(xué)生數(shù)量較多，并且評論對立度較大，則其容易成為敏感話題，在滿足了規(guī)模和對立度的閾值后，就會(huì)觸發(fā)預(yù)警系統(tǒng)。

2.4 輿情預(yù)警上報(bào)

輿情預(yù)警與上報(bào)模塊的主要功能為：通過系統(tǒng)的用戶交互界面將輿情分析模塊交付的熱點(diǎn)信息和敏感話題等信息以圖表、排行榜等方式反饋給高校網(wǎng)絡(luò)監(jiān)管人員；針對某一網(wǎng)絡(luò)輿情信息，系統(tǒng)將其安全級別劃分為安全、較安全、臨界、較危險(xiǎn)、危險(xiǎn)等五個(gè)級別，必要時(shí)系統(tǒng)將對危險(xiǎn)事件自動(dòng)觸發(fā)預(yù)警機(jī)制。監(jiān)管人員通過輿情信息的直觀展示和預(yù)警提醒對熱點(diǎn)話題和敏感信息實(shí)施在線分析，確定輿情在網(wǎng)站中的發(fā)展變化，以達(dá)到及早發(fā)現(xiàn)、及時(shí)響應(yīng)高校重大輿情事件的目的。

3 總結(jié)

為充分利用高校網(wǎng)絡(luò)輿情信息，全面了解和正確引導(dǎo)高校學(xué)生的思想言論，本文設(shè)計(jì)構(gòu)建了高校網(wǎng)絡(luò)輿情監(jiān)控預(yù)警系統(tǒng)，在采集和預(yù)處理相關(guān)網(wǎng)頁信息后，實(shí)現(xiàn)熱點(diǎn)與敏感話題的推送與跟蹤，并進(jìn)一步分析判定輿情內(nèi)容的觀點(diǎn)與安全級別，這對及時(shí)采取有效措施干預(yù)高校重大事件，緩解輿論壓力，建設(shè)和諧校園提供了有效的技術(shù)手段。

[參考文獻(xiàn)]

[1]李彥麗.高校網(wǎng)絡(luò)輿情的管理與引導(dǎo)[J].信息系統(tǒng)工程，2011（2）：90-92.

[2]徐楠，戴媛.面向高校網(wǎng)絡(luò)輿情安全的監(jiān)管與預(yù)警研究[J].信息系統(tǒng)工程，2009（7）：62-66.