龙丽君[1]2004年在《网络内容监管系统中基于局部信息的语义倾向性识别算法》文中进行了进一步梳理网络内容监管系统主要是对互联网上的非法信息进行监管。本文设计并实现了一种层次分类结构中基于局部信息的语义倾向性识别算法。该算法通过对关键字的局部上下文信息采用HMM(隐马尔可夫模型，Hiden Markov Model)方法进行语义的倾向性分类识别。为了提高分类识别的效果，需要确定合适的关键字的局部上下文范围(即窗口)。本文提出了以句子为窗口大小的窗口量化方法，其中采用互信息的方法计算句子可以为关键字提供的总信息量。实验结果表明以句子为窗口大小，相对于其它量化方法而言窗口大小不会过大，而提供的信息量并没有减少。同时考虑到项目的实际需求，在系统实现时采用的窗口大小的量化方法为：对于没有明显句子标志的文本而言，采用[-8，+9]的窗口大小；对于有明显句子标志的，则以句子为窗口大小。 本文提出了基于HMM模型对关键字依据其上下文判别类别的分类方法。通过选取不同的训练样本数，分别利用偏导数的反向传播训练方法，训练出不同的参数模型，并在大规模真实语料中进行测试，选出最优的模型参数，从而较好地满足了系统的需求。实验结果表明，以句子为窗口大小建立的HMM分类方法，能够有效地避免经典分类方法中的向量过于稀疏、分类准确度不高等问题，较好的满足了系统的需求。用真实语料测试后，系统表现出了很好的召回率和准确率。
董坚峰[2]2013年在《面向公共危机预警的网络舆情分析研究》文中进行了进一步梳理20世纪末的信息革命推动了现代网络技术的广泛应用和普及,网络媒体作为“第四类舆情传播媒体”逐步受到关注,并成为舆情信息汇集的新通道和“观点的集散地”进入主流社会视野。尤其是近年来,中国网民数量逐年递增,网民借助互联网平台进行利益诉求表达、情绪宣泄、公共事务参与的积极性和频率愈来愈高,国家在社会转型期间凸现的各类社会矛盾也往往在第一时间聚焦于网络平台,形成强大的舆论场。与此同时,互联网强大的开放、快速传播和互动特性使得一些原本在传统传播渠道和言论环境下简单可控的舆情事件转化为群体性突发事件,引发社会公共危机,并给政府等公共管理部门带来了极大的压力和挑战。作为政府公共管理的一项重要职能,网络舆情危机预警近年来受到广泛关注,与此相关的机制建设和技术系统研制纷纷展开,网络舆情监控和预警受到了包括国家层面在内的各级政府重视。然而,作为网络舆情危机预警流程中最关键的一环,网络舆情的分析和研判相关的研究和实践远远滞后于当前Web2.0环境下的公共危机预警现实需求,无论在舆情分析方法还是在技术支撑方面均无法提供对当前动态、交互的网络舆情进行自动化、智能化和实时化的危机预警支持。在这种背景下,利用现有技术手段和学科方法对网络舆情分析方法和技术进行创新进而为危机预警提供技术保障,对维护社会稳定、推进社会转型具有重要的现实意义。本文正是从这一实际出发,以网络舆情这一特殊的信息客体为研究对象,在梳理前人研究成果的基础之上,将网络舆情分析与公共危机预警目标相结合,综合采用信息分析、自然语言处理、人工智能、数据挖掘、危机管理、新闻传播等多学科理论与方法,从多个角度和层面对网络舆情分析的理论、方法、技术和应用进行研究。本论文共包括七个部分,主要内容如下(1)引言本部分介绍了论文的选题背景和选题目的,利用文献调研等方法对与本论文相关的国内外研究现状进行了梳理,为后续研究奠定了理论积累。(2)公共危机中的网络舆情研究本部分首先从分析危机和公共危机的内涵出发,探讨了当前公共危机的特征及发展趋势；同时,深入剖析了网络舆情的概念内涵、构成要素、生命周期。在此基础上,对公共危机中的网络舆情的素材来源、特征表现、内容表征和传播演变规律进行了探讨,并以邓玉娇事件为例分析了网络舆情传播演变规律。(3)面向公共危机预警的网络舆情分析框架构建本部分从剖析当前网络舆情公共危机预警严峻的现状入手,分析了网络舆情分析的必要性和现实需求；同时,对公共危机预警的流程和功能进行了分析,结合危机预警需求构建了面向公共危机预警的网络舆情分析框架,该框架主要由舆情信息源、技术支撑、分析方法、分析模式、分析与应用五层构成,基本涵盖了网络舆情分析涉及的从技术到方法的各层面内容。在舆情分析流程方面,借鉴传统的信息分析流程提出了“舆情主题规划——舆情信息收集——舆情信息预处理——舆情信息分析——舆情危机预警处理”流程,并阐述了分析要求和原则。本部分最后系统阐述了网络舆情分析中涉及的自然语言处理、舆情信息采集与特征提取、语义挖掘和文本倾向性分析等关键技术,为分析方法的实施和技术系统的构建提供了技术支撑。(4)面向公共危机预警的网络舆情分析方法研究本部分主要探讨了网络舆情分析的方法论。首先简要介绍了网络舆情分析中用到的各种方法,并构建了网络舆情分析方法体系。随后对网络舆情分析涉及的内容分析法、网络计量法和智能分析方法等重要方法进行了详细阐释。内容分析法和网络计量法是社会科学研究中普遍使用的科学方法,在对网络舆情这一新型信息客体进行分析时仍然适用。在智能分析方法方面,本文提出了建立在不同技术基础之上的两类不同的智能分析方法,其中基于Web挖掘的方法是数据挖掘在网络信息分析中的新应用,目前已经成为主流的舆情分析方法,该方法主要是从Web文本内容、Web链接结构、Web使用记录等方面发现舆情规律,包括Web文本挖掘法、主题聚类法、链接挖掘法和社会网络分析法等方法；基于语义的方法则主要通过分析Web文本中潜在的语义结构或借助本体、语义词典等外部语义知识从舆情文本语义层面发现舆情规律,主要包括潜在语义分析法和基于外部语义知识的语义分析方法等。(5)面向公共危机预警的网络舆情分析模式研究本部分以在公共危机预警中起关键作用的四个网络舆情要素作为分析对象,分别从话题发现、事件识别、网民个体分析、群体行为分析四个方面探讨网络舆情分析的主要模式。在进行话题发现模式分析时,从话题发现的流程入手,探讨了话题建模和话题趋势分析的方法,然后对热点话题和敏感话题这两个引发舆情危机的关键点的舆情发现及影响评估的方法进行了重点探讨。在进行事件识别模式分析时,探讨了公共危机事件要素提取的方法,在进行事件建模的基础上分析了突发事件的识别过程,最后对舆情事件危机程度及其影响分类进行了研究。在网民个体分析模式分析方面,从分析公共危机舆情中的网民构成及特征入手,探讨了如何借助文本倾向分析、链接分析等方法实现对网民个体的情绪分析和个体影响力分析,最后以网络意见领袖这一特殊舆情主体为对象探讨了舆情意见领袖识别方法。在进行群体行为特征及行为模式分析时,以网络社群这一主要网络舆情群体为对象,分析了他们在网络舆情公共危机中的群体行为演化规律及呈现的特征,并利用社会网络分析法、趋势分析法等方法对网络舆情公共危机中的群体行为识别和发展趋势预测等进行了分析。(6)面向公共危机预警的网络舆情分析应用研究本部分主要将理论研究应用于实践,介绍了网络舆情分析的应用示例。应用平台采用了国内拓尔思公司的TRS网络舆情监测系统,实现网络舆情分析和公共危机预警。文中详细讨论和演示了该系统从舆情信息采集、预处理、舆情智能挖掘和分析到预警服务提供的全过程。(7)总结与展望本部分首先从论文研究意义和完成的工作等方面对全文进行总结。然后,反思了论文存在的不足,并展望了后续研究工作的重点。论文最后指出,随着国内外学术界对网络舆情分析关注的不断深温,在计算机、信息管理、公共管理和新闻传播等多领域专家学者和从业人员的推动与努力下,网络舆情分析研究将会迎来新一轮的发展高潮。本文系国家自然科学基金项目“基于数据挖掘的企业竞争情报智能采集机制研究”(编号：70573082)和“企业竞争情报智能分析模型与方法研究”(编号：71073121)、教育部人文社会科学重点研究基地重大项目“基于智能信息处理的知识挖掘技术及应用研究”(编号：08JJD870225)和湖南省教育厅科学研究项目“基于数据挖掘的网络舆情预警机制研究(编号：11C1051)的研究成果。
章栋兵[3]2010年在《互联网舆情分析关键技术的研究与实现》文中研究说明随着互联网用户爆炸式的增长,受众群体越来越广。在缺乏有效管理的互联网上,对一些敏感案件和突发事件的不实言论和恶意煽动,误导和欺骗了广大人民群众,扩大了人民群众的不满情绪,影响和破坏了社会的和谐稳定。互联网信息的健康程度已引起各级政府的高度重视,有必要对互联网上涉及意识形态安全的议题和言论进行有效地监管。互联网网页每天都以指数级的方式增长,要人工去甄别每个网页所含的信息,并加以分析统计是不现实的。只有采用计算机自动处理技术,使其自动地对互联网舆情进行分析、整理,才能建立起全面、有效、快速的舆情监测预警机制,使互联网得以健康、快速的发展。因此,对互联网舆情的获取与分析技术的研究已成为一项紧迫而又重要的课题。本文对文本的语义倾向性分析这一关键技术进行了深入地研究,通过分析现有语义倾向性识别技术的优缺点,结合隐马尔科夫模型在文本处理方面的良好表现,将本文研究的文本语义倾向性分析方法应用到互联网舆情分析系统中,对舆情信息进行分析,并提供舆情预警功能。文本的语义倾向性分析的目的是判断文本针对评价对象所持有的情感倾向是支持、反对还是中立。由于相似的评论文本,其内容必定有一定的内在联系。互联网舆情信息的表现方式多种多样,本文以网络评论为研究对象,试图将隐马尔科夫模型从已经成功应用的模式识别领域推广到语义倾向性分析系统。与传统倾向性识别系统不同的是,此理论通过建立隐马尔科夫分类模型,将未知文本进行状态序列化,得到文本中所有具有语义倾向的词语所对应的倾向性,然后选定多数词的倾向性来作为文本的总体语义倾向。本文实验系统采用Myeclipse7.0平台的集成开发环境开发,分为语料采集、构建模型和语义识别叁个模块。语料采集模块为其它两个模块提供数据支持。构建模型模块将采集得到的数据作为语料进行训练,得到语义识别模型；语义识别模块完成对指定的文本的语义倾向性识别。本文通过对腾讯新闻论坛的数据分别进行封闭测试和开放测试,结果表明,该分析模型可以很好地识别各种未知文本的语义倾向性,并且当训练数据越全面,规模越大时,获得的识别率更高、更稳定。
唐果[4]2010年在《BBS主观倾向分析》文中研究说明在社会主义民主政治以及和谐社会发展的过程中,论坛BBS已成为人们交流意见和发表评论的重要平台。为了及时采集BBS舆论信息，掌握BBS热点话题评论内容的观点、态度和情感倾向，监管和净化BBS网络环境,为党政机构和相关部门提供民众意见倾向，以便快速和科学的决策，而BBS主观倾向分析则是BBS舆论监管的重要手段之一。在国外,英国科波拉软件公司的“感情色彩”软件能判断媒体文章对政党政策或网络产品评论信息所持评价态度和情感倾向。在国内，方正智思舆情监测分析系统帮助监管部门对网络舆论信息进行评估、分析和规划舆情内容,形成舆情预警信息。基于机器学习和语义模式的BBS文本倾向性研究都是将文档看作是词或模式的集合,根据计算或查找这些短语或模式的倾向性值,将计算结果累加得到整个将要判断评论性文档的BBS文本倾向性值；然而并没有将观点评价对象和对应的极性情感倾向进行细化和对应并且忽略了句子语法结构中主谓与动宾结构间的连动关系,导致BBS热点的主题词对应的情感词极性倾向判断偏差和BBS文本倾向分析的不准确。BBS主观倾向性分析的数据获取具有复杂性和多样性,常常与讨论的热点主题相关,具有随意性、广泛性、领域独特性和实效性。因此,本文首先对BBS主题的观点评价对象和相应的极性倾向进行细化与对应；然后结合极性情感词典、基于语法结构的依存句法分析Parsing以及主题极性识别算法进行BBS主观倾向分析,利用一种改进的基于上下文的倾向分析方法计算主题极性倾向值；最后进行极性主题、焦点主题和敏感主题分析和发现,利用倾向离散度的时间变化来发现主题走势,并进行对比实验验证在主题识别和对应极性倾向判断的准确率方面上本文的BBS主观倾向分析方法具有更高的有效性和可行性。主要工作：(1)利用Html和DOM抽取非结构化的BBS文本信息,进行禁用词过滤后完成中文分词预处理并以XML方式存储。(2)提出基于极性情感词典、依存句法分析技术Parsing和主题极性倾向识别算法的方法,分析主题词和对应极性情感词的极性倾向以进行BBS主观倾向分析。建立与整合正负情感词典和否定词典,计算句子的倾向值提取BBS评论内容中具有情感描述项的主题倾向句,并利用主题极性倾向识别算法计算基于上下文的词语极性倾向值。(3)提出一种改进的计算上下文极性的方法，通过添加主题识别标记和主谓与动宾结构之间的连动关系,弥补SBV(Subjective-Verb,语法中的主谓结构关系)极性传递算法主题词判断错误和极性词极性倾向判断偏差的问题。(4)进行BBS主观倾向关键点分析以发现极性主题、焦点主题和敏感主题；定义倾向离散度、聚焦度和敏感度，并通过倾向离散度的时间变化来分析和发现主题趋势。(5)通过对比实验验证在主题识别和对应极性倾向判断的准确率上，本文的BBS主观倾向分析方法具有更高的有效性和可行性。
代六玲[5]2004年在《互联网内容监管系统关键技术的研究》文中提出针对日益严重的互联网有害信息污染问题，本文对网络内容监管系统的关键技术进行深入研究。主要工作包括： (1) 提出了基于双层分析结构的主动型网络内容监管模型，采用高速的多关键字和关键字表达式匹配算法作为第一层，采用基于SVM的文本分类算法作为第二层。该模型可以同时提升系统的吞吐率和对敏感信息识别的准确率。 (2) 设计了一种高效的多关键字匹配算法：QMS。该算法通过获得尽可能大的平均跳跃距离提高了匹配效率。进而将该算法与多关键字表达式匹配的经典计数算法结合，提高了关键字表达式匹配的效率。 (3) 发现了在英文环境中表现良好的特征选取方法并不适合中文文本分类问题的事实。分析了产生差异的原因，并提出一种适合于中文环境的特征选取方法：组合特征选取方法。该方法有利于提高分类效果和加速分类器的训练。 (4) 设计了一种训练SVM的新算法：3SAO。该算法将训练SVM的原始二次规划问题分解为序贯的子问题，每个子问题包含叁个拉格朗日乘子并被解析的优化，并使用一套高效直观的启发式规则来选择被优化的乘子。该算法具有很高的收敛速度。 (5) 提出一种基于知识融合的文本分类算法：语义SVM。该算法使用语义中心集代替原训练样本集作为支持向量机的训练样本，在保证分类准确率的情况下十分显着地提高了训练速度和分类速度，而且具有良好的在线学习能力。 (6) 设计并开发了一套主动型网络内容监管原型系统。测试结果表明其监管效率和对敏感信息的识别准确率都达到预期目标。
戴霖[6]2011年在《网络舆情信息挖掘关键技术研究与应用》文中研究指明随着互联网的高速发展,越来越多的人通过网络来表达自己的意见、想法、情绪和态度,其中既包括对事件的发展有着正面、积极作用的信息,也包括一些负面、消极的信息。同时,网络平台的开放性、直接性和隐蔽性使得网络舆论越来越重要地影响人们的意识形态。因此,对大量舆情信息的及时有效挖掘,对维护社会稳定、促进国家发展具有重要的现实意义。网络舆情信息挖掘与自然语言处理技术密切相关。受限于自然语言处理技术水平,传统的网络舆情信息挖掘,主要为话题识别的相关内容,而对舆情的情感因素关注较少。近年来,浅层语义分析开始出现,并在相关应用研究中体现出相对词性标注、句法分析更为智能实用的优势。浅层语义分析是一种简化了的语义分析形式,以动词为中心对句子意义进行了形式化表示。结合相关自然语言处理技术,基于对现有舆情信息分析算法的对比分析,本文对舆情信息挖掘技术进行了研究与实验,并将其成果应用在网络舆情监控分析系统中。本文主要内容有：(1)自然语言处理技术介绍。考虑到自然语言处理技术在网络舆情信息挖掘中的重要作用,本文在第2章对该技术的关键部分进行了简述。(2)舆情热点话题识别技术研究。基于ICTCLAS分词与词性标注,提出一种结合文本关键词提取和文本聚类的热点话题识别方法。舆情信息的即时性导致未登录词分词错误率较高,利用词语共现概率对分词结果进行拼接,能有效改善未登录词分词性能。文本关键词提取则将词语位置权重信息纳入考虑范畴。(3)舆情文本倾向性分析技术研究。结合语义角色标注一种浅层语义分析和情感词库建设,实现文本倾向信息挖掘。通过对语义角色标注样本的统计分析,得到角色-特征性概率表和角色-情感性概率表,为角色抽取顺序选择提供数据支持。情感词库建设采取人工标注和自动扩充相结合方式,通过对基于字的情感词倾向计算的实验,得到一种改进后的情感词库自动扩充方法。(4)舆情监控分析系统设计与实现。根据网络舆情信息的特点,提出系统总体框架,并对系统主要模块进行了简要介绍。本文所涉工作在网络舆情监控分析系统中得到应用,可有效辅助舆情监控,减少人为干预,必将在未来的网络信息管理中发挥积极的效益。
高俊峰[7]2017年在《网络舆情场形成机理及信息受众观点测度研究》文中认为近年来,随着我国的社会结构转变以及自媒体网络环境在我国的覆盖面积不断增加,多种矛盾以网络舆情的形式加以表现,给我国网络环境的健康可持续发展造成了严重的阻碍。党的十八大报告中曾明确提出“加强和改进网络内容建设,唱响网上主旋律。加强网络社会管理,推进网络依法规范有序运行”的重要指示,由此引发了学术界对网络舆情研究的热潮。网络舆情的字面意思即可理解为网络民众的观点言论,因此对于网络舆情信息受众观点的测度工作实质上是对网络舆情深入分析和有效治理的根本。回顾大量的前人研究成果不难发现,网络舆情是在特殊的社会环境、公众认知状态以及泛在网络媒体等条件下协同而成的产物,因此对于网络舆情信息受众观点分析与测度的研究也必然要将上述要素有机整合。此外,又由于网络舆情受众观点的范畴除显性文本信息以外更总揽着多种受众的信息接收和使用现象,所以导致观点测度实践过程势必会涵盖诸多极为复杂的变量,面对上述问题,厄需寻觅一种能整合宏观与微观,部分与整体,定性与定量,局部与全局相统一的可测功能体系,以便于实现网络舆情信息受众观点的诸多测度目标。带着对上述问题的思考,本文尝试以场论为理论基石,通过引入网络舆情场的概念从而将网络舆情信息受众的内隐认知与外显信息行为之间原始混沌的复杂关联体系化、规律化,进而探索网络舆情场域内的网络舆情信息受众观点测度的方法与路径。令人遗憾的是目前专门将网络舆情场作为研究对象的成果较为匮乏,大量文献直接将网络舆情场作为公理来使用,对于网络舆情场的概念定义、内涵功能界定尚不明晰,而场论的数理特征所带来的舆情受众的主观认知计量、行为计量等方面的优势也并未得到彰显。有鉴于此,本文将首先明确网络舆情场的概念内涵、属性特征、形成机理和生命周期,并切实将网络舆情场相关人文特征与数理特征应用于网络舆情各种现象的定性阐释和定量操作中,以期促进网络舆情信息受众观点与情感的定性定量混合研究机制、网络舆情场域之中的舆情治理机制的不断完善,从而更好地回应日益苛刻的网络舆情分析与治理的实践要求。首先,本文在充分把握网络舆情的特征、运动过程和发展趋势的基础之上,辩证地吸纳自然科学与社会科学中场论的观点与定义,从内涵和外延两方面阐释网络舆情场的概念,将网络舆情场解构成主体要素、客体要素、环境要素、本体要素、载体要素五部分,并对网络舆情场的场力、场势、场强度、场极等可观测属性进行数理描述,进而明确网络舆情场整体机能和外在表征直接来自于场域中客观存在的显性舆情信息与舆情受众主观认知交互的事实。揭示网络舆情场的生命周期,按网络舆情场域内部受众观点强度和数量的演化规律将网络舆情场的存在周期划分雏形期、成熟期、平复期和隐遁期,就网络舆情场四个存在时期的形成过程以及场域在各存在时期所显现出的网络舆情场构成要素的状态特征及互作用关系进行分析和归纳,总结出网络舆情场的形成机理。其次,本文从网络舆情场对舆情受众观点测度对象的代示,网络舆情场对舆情受众观点测度范畴的分割覆盖,网络舆情场对舆情受众观点测度方法的组织,网络舆情场对舆情受众观点测度结果的诠释评价,网络舆情场对舆情受众观点测度结果应用环境模拟几个方面论证网络舆情场内舆情信息受众观点测度的原理,并提出网络舆情场域内个体、群体与整体叁个维度下的信息受众观点测度的具体操作路径。再次,本文提出网络舆情信息受众个体维度、群体维度和整体维度的具体观点测度方法,实现对场域内网络舆情信息受众个体观点外显动机、场域内网络舆情信息受众个体之间的观点认知距离、场域内网络舆情信息受众观点群落的连接鲁棒性与凝聚鲁棒性、场域内舆情信息受众观点整体强度与极性的分析和测度,并基于真实数据对所提方法逐一展开验证。最后,本文基于前文信息受众观点测度结论结果,提出网络舆情场的环境维、本体维、主体维、载体维、客体维的具体治理策略,通过转变网络舆情的管控思维,将空泛的网络舆情治理转变为具体的网络舆情场治理,从而为网络舆情的管控工作做出积极的贡献。本文在理论层面丰富了网络舆情分析治理的方法体系,拓宽了场论在情报学、信息管理科学、传播学等领域的概念外延,为实现网络舆情研究工作中多研究对象、多研究视角的融汇建构提供了新的理论支撑。本文在实践层面通过透视网络舆情场的属性特征和机能表现的基础上提出一套多维度的舆情受众观点强度与情感极性的可量化体系,为网络舆情场视角下的舆情受众情感安抚平息,出格言行的制约矫正提供了具有可操作性的解决方案,进而推动网络舆论环境的不断净化。
侯风巍[8]2008年在《基于文本的网络内容审计系统的设计与实现》文中提出当前网络色情信息、反动言论、暴力等有害信息泛滥,而主题分类等方法对过滤这些信息显得力不从心。为更好的过滤网络中有害信息,将信息分类为无关信息、积极信息和消极信息叁个类别并提出进行文本态度倾向性过滤的必要性。在分析当前文本态度倾向性分析技术的基础上,本文所作的工作如下:1、针对分类中高维性和稀疏性两大难题,在总结了当前特征降维方法的基础上,提出了组合特征提取算法。该算法结合CHI和IG的特性,既有利于高频特征,又有利于只出现在少数类中且能强烈表现文本语义信息的中低频特征。2、为有效过滤无关信息并使过滤模型逐步逼近用户的真实需求,提出了用户信息反馈和阈值过滤策略,设计了基于SNoW算法的主题分类模型,具有排除无关信息和将有关信息分类到特殊领域类的双重功能。3、为更准确的体现文本语义,在更细粒度层面上分析作者的立场态度,本文提出了基于语法语义规则和统计相融合的文本态度倾向性识别算法。该算法将SVM的特征进行广义延伸,将倾向性词语和红黑特征库所组成的短语搭配、BOW等作为SVM分类器的特征,体现了文本的语义约束。4、设计并实现了基于文本态度倾向性分析的网络内容审计系统。实验证明,该系统实现了对文本高准确率、高效的立场倾向性识别。总之,本论文比较全面的论述了基于文本态度倾向性分析的网络内容审计模型的设计和实际系统的设计与实现方法。重点阐述了主题分类中的组合特征提取算法、基于用户信息反馈和阈值策略的自适应算法、基于语法语义规则和统计相融合的文本态度倾向性识别的分析方法,对以后的文本倾向性研究有着一定的意义。
参考文献：
[1]. 网络内容监管系统中基于局部信息的语义倾向性识别算法[D]. 龙丽君. 南京理工大学. 2004
[2]. 面向公共危机预警的网络舆情分析研究[D]. 董坚峰. 武汉大学. 2013
[3]. 互联网舆情分析关键技术的研究与实现[D]. 章栋兵. 武汉理工大学. 2010
[4]. BBS主观倾向分析[D]. 唐果. 西南大学. 2010
[5]. 互联网内容监管系统关键技术的研究[D]. 代六玲. 南京理工大学. 2004
[6]. 网络舆情信息挖掘关键技术研究与应用[D]. 戴霖. 浙江工商大学. 2011
[7]. 网络舆情场形成机理及信息受众观点测度研究[D]. 高俊峰. 吉林大学. 2017
[8]. 基于文本的网络内容审计系统的设计与实现[D]. 侯风巍. 哈尔滨工程大学. 2008
标签：互联网技术论文; 舆情信息论文; 舆情论文; 舆情分析论文; 语义分析论文; 网络舆情监测论文; 文本分类论文; 公共危机论文; 网络监管论文; 文本分析论文; 主题模型论文; 情感识别论文; 算法论文; 文本情感分析论文;