?

基于價值累加理論的網(wǎng)絡(luò)熱點(diǎn)事件輿情研判及系統(tǒng)實(shí)現(xiàn)*

通信地址：430022 湖北省武漢市湖北行政學(xué)院信息中心Address:Information Center,Hubei Academy of Governance,Wuhan 430022,Hubei,P.R.China

徐勇

(湖北行政學(xué)院信息中心，湖北 武漢 430022)

摘要：基于價值累加理論分析網(wǎng)絡(luò)熱點(diǎn)事件的演變過程，確定觸發(fā)因素的出現(xiàn)、共同信念的形成、行動動員的完成是事件演變的三個關(guān)鍵環(huán)節(jié)，設(shè)計(jì)監(jiān)測模型，對事件輿情中的敏感因素、情感的形成及擴(kuò)散進(jìn)行分析判斷。在此基礎(chǔ)上，構(gòu)造網(wǎng)絡(luò)輿情熱點(diǎn)信息智能監(jiān)測平臺系統(tǒng)(NPOIMS)，以我國西部地區(qū)的x市為實(shí)例對象，架構(gòu)輿情監(jiān)測系統(tǒng)，監(jiān)測與x市有關(guān)的各類輿情信息，提煉熱點(diǎn)詞語，進(jìn)行輿情研判，提供分析報(bào)告，為相關(guān)部門提供輿情引導(dǎo)和事件應(yīng)對的信息參考和決策支持。

關(guān)鍵詞：價值累加理論；網(wǎng)絡(luò)熱點(diǎn)事件；輿情研判

1引言

網(wǎng)絡(luò)熱點(diǎn)事件以互聯(lián)網(wǎng)為主陣地，參與主體多元，影響范圍廣。近年來，“廈門PX事件”“天價煙局長事件”“躲貓貓事件”“河北李剛門事件”“郭美美事件”“微笑局長事件”“陜西神木‘房姐’事件”等一系列網(wǎng)絡(luò)熱點(diǎn)事件，對我國社會產(chǎn)生了深刻的影響。對網(wǎng)絡(luò)熱點(diǎn)事件輿情的研判是有效應(yīng)對事件的前提和基礎(chǔ)。

國外對網(wǎng)絡(luò)輿情系統(tǒng)已進(jìn)行了多年的研究，在自然語言檢索[1～3]、海量數(shù)據(jù)信息檢索[4]以及上下文摘要[5,6]等方面有深厚的基礎(chǔ)。國內(nèi)的網(wǎng)絡(luò)輿情系統(tǒng)在網(wǎng)頁抓取[7]、內(nèi)容分析[8]、數(shù)據(jù)挖掘[9]、主題識別與跟蹤[10,11]等方面進(jìn)行了較大密度的研究，但相關(guān)算法還不是很成熟，如輿情熱點(diǎn)的發(fā)現(xiàn)、熱點(diǎn)信息的情感傾向性判斷等方面，還存在諸多問題。相關(guān)研究也多是單純從技術(shù)角度進(jìn)行系統(tǒng)的研發(fā)，很少以社會科學(xué)的相關(guān)理論為基礎(chǔ)，通過對輿情產(chǎn)生及發(fā)展的背景及相關(guān)因素等進(jìn)行分析，用以指導(dǎo)建立輿情監(jiān)測系統(tǒng)，以提高事件應(yīng)對的針對性和有效性。

從網(wǎng)絡(luò)熱點(diǎn)事件案例可以看到，事件的發(fā)展過程以網(wǎng)絡(luò)輿情熱度變化為重要標(biāo)志，具有典型的集群行為特征：參與人群自發(fā)無指導(dǎo)、無明確目的、不受通常的行為規(guī)范約束、多有狂熱行為，并且有著明顯的形成、發(fā)展、衰退的生命周期。因此，本文將網(wǎng)絡(luò)熱點(diǎn)事件的發(fā)展過程看作是一個完整的集群行為的演變過程，認(rèn)為網(wǎng)絡(luò)熱點(diǎn)事件是在一定的社會背景下，由某些特定因素觸發(fā)，眾多網(wǎng)民以網(wǎng)絡(luò)為主要渠道進(jìn)行情感宣泄，并可能會伴發(fā)現(xiàn)實(shí)世界中的集體行動，最終產(chǎn)生一定社會影響的網(wǎng)絡(luò)集群事件。

Figure 1　Public opinion evolution model of network hot events圖1　網(wǎng)絡(luò)熱點(diǎn)事件輿情演變的過程模型

美國社會學(xué)家斯梅爾塞借助經(jīng)濟(jì)學(xué)描述產(chǎn)品價值增值的術(shù)語，提出了用于解釋集群行為的價值累加理論，認(rèn)為所有的集群行為都是由六個方面的因素相互作用產(chǎn)生的，分別是：結(jié)構(gòu)性誘因、結(jié)構(gòu)性緊張、共同信念、觸發(fā)因素、行動動員和社會控制失效。本文以價值累加理論的六個條件為分析維度，選取近幾年來發(fā)生的一些網(wǎng)絡(luò)熱點(diǎn)事件作為樣本案例，對事件輿情的演變過程進(jìn)行分析，把握事件演變的關(guān)鍵環(huán)節(jié)，設(shè)計(jì)構(gòu)造基于價值累加理論的輿情監(jiān)測研判系統(tǒng)，為輿情應(yīng)對提供必要的決策支持。

2網(wǎng)絡(luò)熱點(diǎn)事件的輿情演變分析

通過對網(wǎng)絡(luò)熱點(diǎn)事件樣本案例的分析，可以發(fā)現(xiàn)網(wǎng)絡(luò)熱點(diǎn)事件的發(fā)展脈絡(luò)大體遵循著這樣一個規(guī)律：社會矛盾、社會不平等、不公正現(xiàn)象，經(jīng)過媒體的報(bào)道，會擴(kuò)大社會的不滿情緒。公眾往往因受自己的背景、學(xué)歷、年齡、價值觀、興趣、愛好，以及所處的群體環(huán)境等的影響，更愿意選擇那些與自己的既有立場和態(tài)度一致或接近的內(nèi)容加以接觸、認(rèn)知和記憶。這樣，當(dāng)面對包含有吸引關(guān)注的有關(guān)新聞要素時，公眾極易因?yàn)樾睦砉缠Q而形成某種共同感受，產(chǎn)生普遍情緒和共同信念，并通過互動交流自發(fā)地完成行動動員，推動事件走向高潮。事件演變的過程模型如圖1所示。

從圖1可以看到，在事件的發(fā)展過程中，結(jié)構(gòu)性誘因和結(jié)構(gòu)性緊張構(gòu)成了事件發(fā)生的基礎(chǔ)性條件，社會控制失效為事件的發(fā)生創(chuàng)造了良好的外部條件。觸發(fā)因素的出現(xiàn)、共同信念的形成和行動動員的完成刺激網(wǎng)絡(luò)熱點(diǎn)事件由初發(fā)直到爆發(fā)，事件的輿情熱度不斷高漲，是事件演變中的三個關(guān)鍵環(huán)節(jié)。

觸發(fā)因素的出現(xiàn)為社會緊張凝聚了濃度，為事件的發(fā)生提供了一個真切而敏感的具體刺激，契合了公眾固有的價值觀念、歷史記憶、物質(zhì)利益、心理因素等，激起種種議論或產(chǎn)生多種情緒性表現(xiàn)，事件開始在網(wǎng)上發(fā)端，輿情在短時間內(nèi)會急速上升，整個輿情態(tài)勢出現(xiàn)波動性變化。

共同信念的形成為網(wǎng)民的集體行動指明了方向。共同信念從某種意義上說是再造了、深化了甚至是夸大了公眾的怨恨、相對剝奪感和壓迫感。網(wǎng)民個體的怨恨相互渲染，達(dá)成對事件統(tǒng)一的認(rèn)知，個體的怨恨被提升為群體的怨恨，產(chǎn)生共鳴，群體的情感能量迅速增強(qiáng)，事件被醞釀，輿情持續(xù)走高。

行動動員的核心是公眾情感的動員。事件的符號化標(biāo)簽是增強(qiáng)情感的圖騰，符號以及與符號特征相關(guān)的一些信息是喚醒群體情感的源泉。個體之間、個體與群體之間形成交互的循環(huán)作用，彼此間的情感相互感染、反復(fù)加強(qiáng)，充分保持了符號在群體中的傳播。群體情感的價值指向不斷強(qiáng)化，形成“制度化”情感，情感能量不斷聚集，并達(dá)到足夠的水平，事件在網(wǎng)上爆發(fā)，輿情沸騰。

因此，對網(wǎng)絡(luò)熱點(diǎn)事件輿情研判的重點(diǎn)是對敏感因素、情感的形成及擴(kuò)散進(jìn)行分析判斷，把握事件演變的三個關(guān)鍵環(huán)節(jié)。

3網(wǎng)絡(luò)熱點(diǎn)事件的輿情研判

定義類NetInfoOpinion，用以表示網(wǎng)絡(luò)上的某個具體的輿情信息，NetInfoOpinion的數(shù)據(jù)結(jié)構(gòu)定義如下：

public classNetInfoOpinion{

public stringC; //信息的內(nèi)容

public stringInfo_URL;//信息的地址

public stringInfo_Type;//信息類型

public intRdNum; //報(bào)道天數(shù)

public intRfNum; //報(bào)道頻率

public intCkNum;//網(wǎng)民點(diǎn)擊數(shù)

public intDNum; //網(wǎng)民評論數(shù)

}

某個具體的信息可以表示為：It=〈C,RdNum,RfNum,CkNum,DNum〉。

在信息特征項(xiàng)的抽取中，以傳統(tǒng)TF*IDF算法為基礎(chǔ)，考慮篇章的結(jié)構(gòu)信息對權(quán)重的影響，將不同位置相同的詞語同等看待，賦予同樣的權(quán)值，改進(jìn)TF*IDF方法來計(jì)算特征項(xiàng)的權(quán)重termWeight。通過K-近鄰算法和K-means算法對信息進(jìn)行分類和聚類，并根據(jù)主題關(guān)注度和主題相關(guān)度來確定話題相關(guān)信息的熱度。

(1)

其中，Ar(i,tm)表示信息的熱度，Aru(i,tm)表示在時間段tm內(nèi)，公眾對信息i的關(guān)注度，即用戶關(guān)注度；Arm(i,tm)表示在時間段tm內(nèi)，網(wǎng)絡(luò)上關(guān)于信息i的關(guān)注度，即媒體關(guān)注度；Rel(i)為主題相關(guān)度；tm可以是任意的時間段，如一周、一月等；參數(shù)α和β的主要作用是用來調(diào)節(jié)媒體關(guān)注度和用戶關(guān)注度的數(shù)值差異，以平衡各因子對整個公式的影響大小，可以根據(jù)經(jīng)驗(yàn)來設(shè)置其大小。

Aru(i,tm)的主要特征通過CkNum和DNum表現(xiàn)。一般來說，如果公眾對某一信息很感興趣，那么就會在閱讀之后留下自己的評論意見，所以設(shè)定評論人數(shù)的權(quán)重大于閱讀人數(shù)的權(quán)重。

Aru(i,tm)=log(0.5*Pri+Pci+λ)(0.5*Pri+

(2)

其中，Pri表示信息i的閱讀人數(shù)(只看不回復(fù))的比例，Pri=CkNumi/(CkNumi+DNumi)；Pci表示信息i的回復(fù)人數(shù)的比例，Pci=DNumi/(CkNumi+DNumi)；λ為動態(tài)調(diào)整因子，用來平衡公式中相關(guān)因子對公式的影響；tmi為當(dāng)前時間，tm0為主題的發(fā)布時間，(tmi-tm0)為當(dāng)前時間與主題發(fā)布時間的時間差，當(dāng)時間差為0時，時效性因子值為1，隨著時間差的增大，時效性因子呈指數(shù)衰減，時間越長，公眾的關(guān)注度越低。

Arm(i,tm)的主要特征通過RDNum和RfNum表現(xiàn)。在系統(tǒng)中，不區(qū)分新聞的來源，都設(shè)定相同的權(quán)重。而描述熱點(diǎn)信息的特征項(xiàng)必定會在每個新聞來源的多篇報(bào)道文檔中頻繁出現(xiàn)，出現(xiàn)得越頻繁，信息受媒體的關(guān)注程度越高。

(3)

其中，RfNumi(tm)表示在時間段tm內(nèi)關(guān)于信息i的報(bào)道總數(shù)；RDi(tm)表示網(wǎng)站上的所有報(bào)道總數(shù)；N表示網(wǎng)站上的信息總數(shù)；RDNum(tm)表示時間段tm內(nèi)，關(guān)于信息i的報(bào)道天數(shù)。通常有多篇相關(guān)報(bào)道的話題比報(bào)道量極少的話題的價值大得多，所以取指數(shù)形式來提高其權(quán)重；考慮時間因素RDNum(tm)，如果信息i在時間段tm內(nèi)的報(bào)道越集中，那么信息i的關(guān)注度也越高。

Rel(i)是通過計(jì)算該主題下的回復(fù)內(nèi)容與原主題內(nèi)容的相關(guān)度統(tǒng)計(jì)得到，兩篇帖子之間相關(guān)度的計(jì)算可以通過比較兩篇文本的內(nèi)容的相似度來判斷。具體計(jì)算模型如下：

(4)

(5)

其中，sim(c0,cj)為c0和cj之間的文本相似度，用向量間夾角的余弦值來計(jì)算c0和cj之間的文本相似度：wj,k為第j篇文檔中第k個特征項(xiàng)的權(quán)重；N是兩篇文檔中包含的特征項(xiàng)種類的數(shù)量。

3.1　敏感信息判斷

基于對熱點(diǎn)事件觸發(fā)因素類型分析，建立敏感信息基本庫。設(shè)計(jì)自適應(yīng)話題跟蹤算法，基于文本的特征子集向量實(shí)現(xiàn)對熱點(diǎn)的跟蹤?？紤]到隨著時間的變化，不僅關(guān)于熱點(diǎn)話題會有新的內(nèi)容出現(xiàn)，而且原話題本身也可能因?yàn)楝F(xiàn)實(shí)世界中的一些變化而發(fā)生動態(tài)的變化，即出現(xiàn)話題更新或漂移，如在陜西“微笑局長”事件中，楊達(dá)才由“微笑局長”變?yōu)椤氨砀纭薄氨硎濉本褪且驗(yàn)楣娝P(guān)注的熱點(diǎn)由“微笑”變?yōu)榱恕懊怼薄．?dāng)原話題出現(xiàn)更新或漂移時，其特征子集也可能會發(fā)生變化，如果不對特征子集進(jìn)行適時調(diào)整，話題跟蹤后將難以得到與漂移后的話題相關(guān)的結(jié)果，而簡單地認(rèn)為話題沒有后續(xù)新內(nèi)容出現(xiàn)，與實(shí)際情況不相符。因此，在設(shè)計(jì)跟蹤算法時，為提高跟蹤的精度，對原話題的特征子集根據(jù)跟蹤結(jié)果進(jìn)行自適應(yīng)地修正。

修正特征子集的基本思路是以跟蹤到的新文本為基礎(chǔ)，從新文本的特征項(xiàng)中選擇權(quán)重最高的項(xiàng)，加入到原文本的特征子集中，而后以此為新的特征子集，進(jìn)行后續(xù)的跟蹤工作。特征子集修正的具體過程描述如下：

步驟1抽取新文本特征項(xiàng)集Dnew中max(termWeight)所對應(yīng)的特征項(xiàng)tnew；

當(dāng)發(fā)現(xiàn)熱點(diǎn)輿情出現(xiàn)明顯的波動性變化時，表明該熱點(diǎn)的輿情信息中，出現(xiàn)了極大吸引公眾關(guān)注的信息，需判斷是否出現(xiàn)敏感信息。具體過程如下：

步驟2將DSUD中的特征詞與敏感信息基本庫進(jìn)行匹配，判斷是否有與基本庫中的某些特征詞的信息相吻合的特征詞；

步驟3如果有吻合的特征詞，則監(jiān)測系統(tǒng)據(jù)此認(rèn)為價值累加理論中的觸發(fā)因素條件出現(xiàn)了，將結(jié)果提供給人工進(jìn)行確認(rèn)。

3.2　情感形成分析

在經(jīng)過人工確認(rèn)敏感因素出現(xiàn)后，進(jìn)一步基于DSUD判斷是否出現(xiàn)了符號化標(biāo)簽信息(或與符號化特征相關(guān)的信息)。具體算法描述如下：

步驟5將確認(rèn)的符號化標(biāo)簽信息寫入敏感信息基本庫，擴(kuò)展基本庫。

3.3　情感擴(kuò)散判斷

輿情指數(shù)的計(jì)算公式如下：

Exp_HotTopici,x=

(6)

其中，Exp_HotTopici,x為話題HotTopici在第x天的輿情指數(shù)，W_HotTopici,x為話題HotTopici在第x天的話題關(guān)注度，W_HotTopici,1為該話題第1天出現(xiàn)時的話題關(guān)注度。話題關(guān)注度基于話題的熱度和話題的平均相似度得到:

W_HotTopici,x=Fi(avgsim)*Ar(i,tm)

(7)

根據(jù)敏感因素輿情的發(fā)展變化，以“8%規(guī)律”(跟帖量除以總瀏覽量大于8%)作為衡量是否出現(xiàn)情感擴(kuò)散的理論依據(jù)(“8%規(guī)律”在干群輿情信息監(jiān)測工作中得到推廣應(yīng)用，并取得了較好的效果)。如果超過8%，則判斷公眾關(guān)于此話題的情感呈擴(kuò)散狀態(tài)，需對輿情進(jìn)行重點(diǎn)關(guān)注并進(jìn)行必要的處理，以干預(yù)網(wǎng)民的行動動員。否則，只需對輿情進(jìn)行關(guān)注，以防出現(xiàn)情感的擴(kuò)散。

根據(jù)輿情研判的結(jié)果，將熱點(diǎn)輿情分為四類：不含敏感因素；含敏感因素未形成共意；含敏感因素，形成共意但情感未擴(kuò)散；含敏感因素，形成共意且情感擴(kuò)散，并將研判結(jié)果報(bào)告管理人員，為輿情應(yīng)對做好相應(yīng)準(zhǔn)備。

4網(wǎng)絡(luò)熱點(diǎn)事件的輿情監(jiān)測預(yù)警

構(gòu)造網(wǎng)絡(luò)輿情熱點(diǎn)信息智能監(jiān)測平臺系統(tǒng)(NPOIMS)，針對互聯(lián)網(wǎng)上的輿情信息進(jìn)行輿情監(jiān)測、采集、處理，發(fā)現(xiàn)輿情熱點(diǎn)，并對熱點(diǎn)進(jìn)行跟蹤，預(yù)測其發(fā)展趨勢，研判網(wǎng)絡(luò)熱點(diǎn)事件發(fā)生的三個關(guān)鍵環(huán)節(jié)，為事件的應(yīng)對工作提供技術(shù)支持。系統(tǒng)框架如圖2所示。

Figure 2　Framework of the NPOIMS圖2　智能監(jiān)測系統(tǒng)(NPOIMS)的框架

以我國西部地區(qū)的x市為對象，基于NPOIMS，根據(jù)x市的實(shí)際情況，架構(gòu)“x市網(wǎng)絡(luò)輿情監(jiān)測系統(tǒng)”。系統(tǒng)可以實(shí)時監(jiān)測各類網(wǎng)站、微博、論壇上與“x市”的各級領(lǐng)導(dǎo)、各行政區(qū)域、職能單位、重點(diǎn)企業(yè)等有關(guān)的各類輿情信息，發(fā)現(xiàn)熱點(diǎn)輿情，并通過對敏感信息的研判、熱點(diǎn)輿情情感形成及擴(kuò)散的研判，為有關(guān)部門提供輿情引導(dǎo)和網(wǎng)絡(luò)熱點(diǎn)事件應(yīng)對的信息參考和決策支持。

系統(tǒng)監(jiān)測的主要輿情載體的范圍分為主要新聞類、區(qū)域性門戶類、商業(yè)類、社交類、微博客類，每類預(yù)先設(shè)定一些主要站點(diǎn)的網(wǎng)址。其中，主要新聞類預(yù)設(shè)的有：人民網(wǎng)、新華網(wǎng)、鳳凰網(wǎng)等；區(qū)域性門戶類預(yù)設(shè)的有：古城熱線、西部網(wǎng)、每經(jīng)網(wǎng)等；商業(yè)類預(yù)設(shè)的有：新浪、網(wǎng)易、TOM等；社交類預(yù)設(shè)的有：百度貼吧、天水在線、天涯社區(qū)等；微博客類預(yù)設(shè)的有：新浪微博、網(wǎng)易微博、騰訊微博等。通過對預(yù)設(shè)網(wǎng)站的定向信息采集，確保重要信息優(yōu)先采集不丟失，并同時通過向主流搜索引擎進(jìn)行搜索補(bǔ)充，確保信息收集的全面性。

知識庫用于存放詞典和各類規(guī)則。知識庫中的所有詞典書寫分為詞典別名跟詞典規(guī)則兩個部分，詞典別名是顯示在系統(tǒng)中的詞語，詞典規(guī)則是實(shí)際搜索的關(guān)鍵詞語。

敏感信息基本庫存放一些為公眾所關(guān)注的敏感類信息，添加“警察”“干部”“公務(wù)員”“食品安全”“污染”“PX”“官二代”“富二代”“房叔”“釘子戶”等為敏感信基本庫詞條。

規(guī)則庫設(shè)置系統(tǒng)的匹配規(guī)則，使用符號“*”表示“與”，“+”表示“或”，“-”表示“非”，“()”表示“優(yōu)先級”；定義先后順序?yàn)椋号c、或、非。設(shè)置規(guī)則，如：公務(wù)員*考試*(干涉+暗箱操作+設(shè)限+限制+貓膩+量身+內(nèi)定+泄題)。

系統(tǒng)運(yùn)行后(運(yùn)行時間段為：2015年4月15日~2015年5月25日)，按照預(yù)先的設(shè)置，自動搜索與x市有關(guān)的最新輿情信息，對采集到的輿情信息進(jìn)行熱點(diǎn)分析，將分析結(jié)果按本月熱點(diǎn)、本周熱點(diǎn)、今日熱點(diǎn)分類顯示，并按日期進(jìn)行比較分析，進(jìn)行輿情提示(如圖3所示)。同時，提煉熱點(diǎn)詞語，以熱詞聚焦列表顯示，進(jìn)行輿情研判。對需重點(diǎn)關(guān)注、及時應(yīng)對的敏感輿情，以圖表形式對載體傳播態(tài)勢和各媒體的傳播情況進(jìn)行預(yù)警提示(如圖4所示)，并自動生成輿情專題報(bào)告，存儲為Word文檔(如圖5所示)。

Figure 3　Analysis of today’s public opinions圖3　今日輿情分析

Figure 4　Warning prompts of public opinion carrier dissemination trends圖4　輿情載體傳播態(tài)勢預(yù)警提示

Figure 5　Public opinion report generated by system automatically圖5　系統(tǒng)自動生成的輿情專題報(bào)告

NPOIMS通過主題自動識別，智能過濾、聚類，專題聚焦，實(shí)現(xiàn)多角度、多層次展示信息，揭示網(wǎng)絡(luò)輿情規(guī)律，幫助用戶研判及預(yù)警網(wǎng)絡(luò)輿情趨勢，進(jìn)而幫助用戶及時、全面、準(zhǔn)確地掌握網(wǎng)絡(luò)輿情動態(tài)，為決策層做出正確輿論引導(dǎo)提供必要的理論依據(jù)，從而提高其公關(guān)應(yīng)變能力和重大事件的網(wǎng)絡(luò)輿情處置能力。

5結(jié)束語

本文以社會學(xué)的價值累加理論為基礎(chǔ)，通過案例分析確定網(wǎng)絡(luò)熱點(diǎn)事件發(fā)展演變的關(guān)鍵環(huán)節(jié)，并以此為指導(dǎo)，構(gòu)建網(wǎng)絡(luò)輿情熱點(diǎn)智能監(jiān)測系統(tǒng)，獲取網(wǎng)絡(luò)熱點(diǎn)信息，分析研判敏感因素、情感的形成及擴(kuò)散，并根據(jù)研判結(jié)果對輿情進(jìn)行分類，指導(dǎo)相關(guān)部門進(jìn)行網(wǎng)絡(luò)熱點(diǎn)事件的應(yīng)對。本文的研究對豐富網(wǎng)絡(luò)熱點(diǎn)事件的輿情監(jiān)測，具有探索性的意義。

參考文獻(xiàn):附中文

[1]DeneekeK.Usingsentiwordnetformultilingualsentimentanalysis[C]∥ProcoftheIEEEInternationalConferenceonDataEngineering(ICDE2008),2008:507-512.

[2]Aleman-MezaB,NagarajanM,DingL.Scalablesemanticanalyticsonsocialnetworksforaddressingtheproblemofconflictofinterestdetection[J].ACMTransactionsonWeb,2008,2(1):1-29.

[3]AbbasiA,ChenH,SalemA.Sentimentanalysisinmultiplelanguages:FeatureselectionforopinionclassificationinWebforums[J].ACMTransactionsonInformationSystems,2008,26(3):1-34.

[4]GuerrieroA,RagniF,MartinesC.AdynamicURLassignmentmethodforparallelwebcrawler[C]∥ComputationalIntelligenceforMeasurementSystemsandApplications(CIMSA),2010:110-123.

[5]ZhugeH.Communitiesandemergingsemanticsinsemanticlinknetwork:Discoveryandlearning[J].IEEETransactionsonKnowledgeandDataEngineering,2009,21(6):785-799.

[6]SelamatA,Ahmadi-AbkenariF.ApplicationofclickstreamanalysisasWebpageimportancemetricinparallelcrawlers[J].InformationTechnology(ITSim),2010(1):1-6.

[7]WangYa-xuan,XuCong.Applicationresearchontheagent-basedpersonalizedintelligentinformationretrievalsystem[C]∥Procofthe2ndAsia-PacificConferenceonInformationTheory(APCIT2011),2011:24-26.(inChinese)

[8]PengXue-shi,SunChun-hua.Paradigmwordsselectingmethodbasedonwordclusteringforsentimentsanalysis[J].ApplicationResearchofComputers,2011,28(1):114-116.(inChinese)

[9]HanZhong-ming,ChenNi.Anefficientandeffectiveclusteringalgorithmfortimeseriesofhottopics[J].ChineseJournalofComputers,2012,35(11):2337-2347.(inChinese)

[10]WangWei,YangWu,QiHai-feng.Networkhotspottopicdetectionalgorithmbasedonmulti-centermodel[J].JournalofNanjingUniversityofScienceandTechnology(NaturalScience),2009,33(4):422-426.(inChinese)

[11]XueFeng,ZhouYa-dong,GaoFeng.Anonlinedetectionandtrackingmethodforburstytopics[J].JournalofXi’anJiaotongUniversity,2011,45(12):64-69.(inChinese)

[7]王雅軒,頊聰.基于Agent的個性化智能信息檢索系統(tǒng)應(yīng)用研究[C]∥The2ndAsia-PacificConferenceonInformationTheory(APCIT2011),2011:24-26.

[8]彭學(xué)仕,孫春華.面向傾向性分析的基于詞聚類的基準(zhǔn)詞選擇方法[J].計(jì)算機(jī)應(yīng)用研究,2011,28(1):114-116.

[9]韓忠明,陳妮.面向熱點(diǎn)話題時間序列的有效聚類算法研究[J].計(jì)算機(jī)學(xué)報(bào),2012,35(11):2337-2347.

[10]王巍,楊武,齊海鳳.基于多中心模型的網(wǎng)絡(luò)熱點(diǎn)話題發(fā)現(xiàn)算法[J].南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,33(4):422-426.

[11]薛峰,周亞東,高峰.一種突發(fā)性熱點(diǎn)話題在線發(fā)現(xiàn)與跟蹤方法[J].西安交通大學(xué)學(xué)報(bào),2011,45(12):64-69.

徐勇(1974-),男，湖北荊門人，博士，副教授，研究方向?yàn)榫W(wǎng)絡(luò)輿情和計(jì)算機(jī)仿真。E-mail:hfxing@sohu.com

XUYong,bornin1974,PhD,associateprofessor,hisresearchinterestsincludenetworkpublicopinion,andsimulation.

Public opinion analysis and implementation of networkhot events based on value added theory

XU Yong

(Information Center,Hubei Academy of Governance,Wuhan 430022,China)

Abstract:We analyze the evolution of the network hot events based on the value added theory. The emergence of the precipitating factors, the formation of generalized belief, and the completion of mobilization for actions are three crucial phases of the evolution of the events. We also design a monitoring model to analyze sensitive factors, the formation and diffusion of the emotions of public opinions in the events. Based on this, we develop a network public opinion intelligent monitoring system (NPOIMS). And the public opinion monitoring system is built up by takes the X city in the west of China as the instance object. All kinds of public opinion information of the X city are monitored. The hot words are refined, and the public opinion is analyzed. And the analysis results are provided to the government departments as a decision support to guard public opinions and dispose the events.

Key words:value added theory;network hot events;public opinion analysis

作者簡介:

doi:10.3969/j.issn.1007-130X.2015.12.010

中圖分類號：TP393

文獻(xiàn)標(biāo)志碼：A

基金項(xiàng)目：國家社會科學(xué)基金資助項(xiàng)目(11CGL092)

收稿日期：修回日期：2015-10-25

文章編號：1007-130X(2015)12-2256-06