舆情监测范文
时间：2023-03-02 10:10:07
舆情监测范文第1篇
这些网络舆情监测机构，利用网络舆情监测软件，动态监测网民对此事的帖子、评论转发等情况，从而绘制出一份每日该事件网民关注度的折线图。
折线图形象地反映出网民对官方回应的态度，亦为机构应对危机处理提供决策指引。当山西省疾控中心回应称此事并无不妥后，网络舆情达到高点，直至山西省纪委表态成立调查组进行调查，热点才被另一个新的话题替代。
通过对浩如烟海的互联网信息进行监测、分析，从而把握网络民意的走向，这项工作正在成长为一个庞大的产业。这有点类似于民意调查，只不过调查对象是躲在电脑背后的网民，官方称之为“网络舆情监测”。
这个产业的发展得益于愈来愈“猛烈”的网络民意。近年来，因为微博的崛起，网络舆情更加汹涌澎湃。民众通过互联网信息，发表意见，参与对公共事件的讨论，并逐渐形成一个有中国特色的互联网现象。
而在2012年初，人民网舆情监测室已率先了2011年度网络舆情报告，未来一两个月问，中国传媒大学网络舆情研究所、中国人民大学舆论研究所亦将类似报告。显然，这种现象既对官员获知民意的渠道进行了重塑，改变了官民之间的互动，同时也催生壮大了一个专门从事网络舆情监测的产业。自2011年至今，从事这一行业的各类机构开始显性化，进入公众视线。
网络舆情新变化
对于网络舆情的新情况，几乎所有的舆情监测机构都注意到了微博的崛起。
微博――这种WEB2.0时代的产物，多中心、扁平化的信息传播方式，正在逐渐改变过去的传播规律。网络舆情的主导权，正在由过去以传统媒体或门户网站控制，转变为千万个公民意见的聚合来影响。
据中国互联网信息中心截至2011年底的数据，中国网民规模已达到5.13亿，其中48.7％的网民在使用微博，而2010年同期使用微博的人数仅有6311万。
微博用户的迅猛增长开始改变网络舆情生态。人民网舆情监测室秘书长祝华新等多位接受记者采访的业内人士，归纳了2011年网络舆情出现的四点新变化：
第一，微博的大规模使用降低了网民发表意见的门槛，让各个阶层人士都可以利用微博，信息和发表观点。因此，参与网络表达的人群在迅速扩大，网络舆情的力度空前增强。
第二，移动互联网得到迅速发展，并与微博相结合。截至2011年底，中国手机网民规模达到3.56亿，占整体网民比例为69.3％。在这一年，由学者于建嵘发起的随手拍照解救乞讨儿童活动，得到公安部打拐办的积极回应和各级公安部门的支持，在微博上引起警民合作的热潮。
同时，2011年的多起发生后，第一时间消息的不再是传统媒体的记者，而是网民，他们综合运用图片、视频、文字，通过微博等方式丰富多彩的内容。
第三，参与对公共事件发表意见的人士增多，过去很少发言的人群，也开始发言。
正源于此，言论的空间被迅速放大，并且呈现多元化特征。武汉大学信息管理学院教授沈阳还注意到，微博不仅仅吸纳了国内人士，来自海外的中文用户也开始积极使用微博，并且使更多事件具有了国际比较的视野。
第四，源于网络动员的“线下”行动逐渐增多，包括一些的联络，同时各种公益活动也通过微博获得更广阔的舞台，如随手送书下乡活动、免费午餐活动，等等，均在短短不到一年时间里，取得了巨大的社会反响。
对于网络动员，部分人认为这会激化社会矛盾；还有人则认为，网络动员不过是社会矛盾整合的一个表达渠道，其实减少了社会摩擦。
这种网络舆情新形势被祝华新称为“大众麦克风”时代――人人手中均握有“麦克风”。
微博崛起之后，部分传统媒体开始有意识地追随网络舆情热点进行新闻操作。据北京艾利艾网络口碑咨询有限公司(下称艾利艾)的中国网络舆情2011年上半年分析报告，同期以微博为源头的15个热点事件中，《人民日报》即对其中7起予以了回应。
因为诸多负面网络舆情针对各级政府部门或官员，政府部门亦开始积极应对，政务微博成为2011年的一大亮点。据2011年新浪政务微博分析报告统计，截至2011年10月31日，经过认证的党政机关和公务人员2011年网络热点事件――微博达到18132个，其中公安系统占据43％，北京市公安局官方微博(平安北京)因为拥有超过194万个粉丝，成为最活跃的政务微博。
不过，面对汹涌而来的网络舆情，政府的应对仍显不足。2011年，“7・23'’动车事故和“郭美美事件”在两家微博服务商――新浪微博和腾讯微博上的主帖和转发之和各自达数百万条，给铁道部和中国红十字会带来巨大压力。
网民的批评不仅仅会使政府部门或企业的声誉受到损失，而且很可能带来直接的“线下”抵制或抗议行动。对于随时可能出现的突发网络舆情，潜在的可能被批评者――政府、央企或其他公司，需要第一时间了解舆情，把握其走向，以免情势进一步恶化。
由监测发展到分析、研判，并提出应对策略，网络舆情监测行业应运而生。
对接资本市场
2011年，网络舆情监测行业中的佼佼者开始登陆资本市场，小公司则遍布全国各地。目前，针对这个行业的规模，尚缺乏具体、权威的统计，通过一些公开数据可以窥知一二。
2011年中，以网络舆情监测服务为主要业务之一的北京拓尔思信息技术股份有限公司(下称拓尔思)进入资本市场，登陆上交所创业板。拓尔思近年积极进入这个行业，提出要“像预报天气一样预报网络舆情”。
据其内刊《拓尔思》介绍，该公司互联网舆情管理系统“广泛应用在政府、公检法、电力、石化、军工、通信、媒体、医药等各个行业”，并为某电网公司打造了“国内最大的企业级舆情项目”――覆盖31个省市3000多用户，采集超过3000个站点，每年可以监测1亿条数据，3TB的数据量。
随后，另外一家以舆情监测为主业之一的公司也顺利通过发审会审核，即将登陆资本市场。于2009年2月注册成立的北京人民在线网络有限公司，隶属于人民网股份有限公司(下称人民网)。人民网IPO招股说明书显示，该公司2011年上半年的营业收入已超过1300万元。
与人民网类似，新华网于2011年下半年推出“舆情在线”，并成立了网络舆情监测分析中心。 一些学术机构或独立创办、或与其他机构合作，也纷纷成立舆情研究机构，如艾利艾同时也是中国传媒大学的科研机构，其官方网站介绍为14个部委和地方政府部门、部级电视台和
通讯社、十余个电信、金融保险、房地产等央企与知名上市公司提供服务。
北京北大方正电子有限公司和中国人民大学舆论研究所合作成立舆情部门，客户包括宁夏回族自治区党委宣传部、内蒙古自治区党委宣传部、河北省委宣传部等。
其他一些更小的公司遍布国内各地。中国政府采购网的检索结果表明，来自江苏、甘肃、福建、广西、宁夏、天津、四川、浙江、河北等地的各级政府部门，为采购类似系统，耗费十几万元至数十万元不等。以今年1月13日的一则公告为例，江苏省监狱局花费22万余元采购了南京擎天科技有限公司的互联网舆情监测系统。
2011年，伴随着网络舆情高涨，这些从事网络舆情监测的机构开始进入资本市场，获得更快发展，但是这个新生的行业仍需要规范。
经营生存法则
这些以舆情监测、分析和应对为业的商业服务机构，各有其经营法则。
它们中一部分以技术服务为主，主要依靠销售相关监测软件或搭建监测系统获得收入；另一部分则以分析、研究和提供应对策略为主要特色，技术服务不是其强项。还有一类为公关公司，监测并不是它们的主要业务，应对已经出现的负面舆情，并帮忙化解为其主要业务。
但不少舆情服务机构是上述三者的“结合体”，既包括技术服务、分析和研究，而且还提供应对策略。
许多机构身兼不同的身份。如艾利艾作为一家公司，既自主研发舆情监测软件，又承担国家社科基金课题子课题的研究工作，是中国传媒大学的科研机构。它们一方面承担公益性研究任务，另一方面则以商业机构面目出现，提供收费服务。
不少机构还会举办各类官员或企业人员培训班，推广其服务项目，比如书籍和刊物的出版、计算机软件的销售、为客户提供危机公关对策等。
由于政府部门是主要的客户来源之一，为赢得订单，不少机构会强调其政府背景。作为中央级媒体下属机构推出的舆情监测产品，人民网主办的《网络舆情》杂志定位为“帮领导干部读网”，新华网“舆情在线”栏目的定位则是成为领导干部和企业主的“秘书+顾问”，帮他们监测研判网络舆情，提出应对之策。检察日报社下属的正义网舆情监测系统，“专为政法机关、纪检监察机关而量身定制”。
在政府危机公关方面，一位不愿具名的舆情监测机构的负责人介绍，在一起越狱事件中，当地监狱管理部门起初在媒体批评声中非常被动。在向他们请教之后，得到的建议是：让“中央主流媒体”记者去现场，还要特别向记者强调监狱经费不足的困难。据此操作之后，“网络舆情热度马上下降了”。
政府客户之外，针对企业客户，各机构亦提供行业细分产品，如房地产行业、食品行业网络舆情报告，并在此基础上为客户提供一对一的服务。
相对而言，这个行业中的佼佼者往往能取得许多大客户的订单，如各大央企、中央部委、省级政府部门等等。还有一部分企业，则以本地业务为主。
全国各地以公安系统与宣传系统为主的各级党政机关，已经或正在建立网络舆情监钡4系统。如云南省公安厅有关人士称，他们内部的网络监测系统安排了六七十人，自2008年起即已启动，尽管如此，仍要外包一部分业务给专业机构。
由于上述系统的建设，需配备专门的设备和人员，而大量设备的采购催生出监测软件市场的兴起。此外，面对舆情还需要分析、研判和应对，中央媒体、传播学专家则有了发挥作用的平台，他们活跃在官员培训讲堂，顺带推销自己的产品。
不少大型网络舆情监测服务机构认识到，这一行业不等同于公关行业。一些从业者认为，公关行业重在协调关系与解决问题，而网络舆情监测更多为日常服务，提供预警及危机应对意见。在他们看来，网络舆情宜疏不宜堵，因此更多主张通过信息公开来积极回应网民的关注。
不过，不少公关企业也加入到网络舆情监测服务的行列中来，这些公关公司的主要服务项目是帮助客户删除网络负面舆论，并根据不同的客户及信息删除的难度，收取费用。这又形成了网络舆情监测服务业的灰色领域。
虽然舆情井喷为这个行业提供了广阔的市场空间，但是如何建立共同的职业伦理与规范，还有很远的路要走。
舆情监测范文第2篇
一、当前网络舆情监测管理工作面临的形势
1.互联网的迅速发展催生了更加复杂的舆情状况。近年来，随着网络的普及，国内网民数量呈现出直线上升的态势，据有关部门统计，目前我国网民已经超过了5亿，网民年龄、职业、分布呈现出较大的差异性，互联网的普及覆盖到了国民经济发展与社会发展的各个领域，加上微博、论坛等网络平台的发酵，网络正逐步取代传统媒体称为第一媒体。在这样的背景下，接近于全员参与的网民群体形成了一支不可忽视的力量，网络舆情也向着更为复杂的方向发展。
2.复杂的国内外形势对网络舆情产生了明显影响。中国的快速崛起一直以来都是西方国家以及周边地区个别用心险恶的国家不愿意看到的，国内外敌对势力、分裂主义势力在正面对我国实施攻击的可能性已经微乎其微，但是日益发展的网络技术为他们提供了一个方便的平台。他们利用网络平台抹黑中国，以及攻击我国政府网站，获取机密信息，散步不实言论以及鼓动骚乱等等，危害了国家安全以及对国内社会稳定产生了严重影响。
3.网络自身特点导致网络舆情监测管理难度加大。互联网作为一种新兴的传媒手段，具有其他媒体所不具备的多种特点，互联网具有虚拟性和隐蔽性，网民发表言论可以隐匿身份，少了身份论证以及道德方面的顾虑，各种不实言论、偏激内容时有出现。网络具有的聚合联动功能很容易让网民从网上的交流转变为网下的聚集，一旦不实言论经过煽动与发酵，容易成为较大负面影响事件，启东事件就是鲜活的案例。互联网同时具备开放性和超时空性的特点，网络舆情后续取证难度较大，管理存在较大难度。
二、当前我国网络舆情监测管理工作中存在的主要不足
在当前社会发展形势下，网络舆情管理能够及时搜集群众的意愿，同时发现各种苗头性信息，及时采取有效措施，维护社会稳定和保证国家安全。但是，我国网络舆情管理检测工作起步较晚，经验不足，虽然取得了较为显著的成效，但是仍然存在着一定的不足。
一是网络舆情监测管理力量未能有效整合。当前，各地在网络舆情监测管理力量方面情况不一，有的地区以县委宣传部门为主，有的地区以政府办为主，也有的地区以公安部门为主，没有在政府或者县委层面建立起统一的协调组织，对本辖区网络舆情监测管理力量进行有效的整合，没有能够发挥力量聚合的拳头效应。也有的地区在网络舆情监测管理部门人员的配备上专业性不足，也是导致网络舆情监测管理工作成效低下的重要方面。
二是网络舆情监测管理制度不够完善齐全。我国各地对于网络舆情监测与管理工作起步较晚，各地区在制度制定方面也存在着一定的差异性，不仅表现在互联网层面法律法规不够完善，在具体的网络舆情监测与管理方面也缺乏完善的规范性制度，导致事项与人员查处难度较大，尤其是在对一些个案进行处理的过程中无法准确找到相关法律法规的依据，陷入了尴尬境地。
三是网络舆情监测管理模式处于被动应付。目前，各地在网络舆情监测与管理工作中，“灭火式”工作模式仍然占据主要位置，主动和前置介入不足，长效管理机制不足，属于典型的被动应付，头痛医头、脚痛医脚，没有注重从根本上去解决问题。
四是网络舆情监测管理方法没有与时俱进。部分地区在网络舆情监测管理工作中方法陈旧，习惯于采取删帖、跟帖这样的简单方式进行处置，甚至出现跨省追捕这样的事件，应对复杂网络环境的能力与意识眼中不足，没有能够针对网络舆情实际情况开展先发制人，对于网络舆情研判力度不足，对于其中的规律性方面没有能够有效掌握，导致整体管理成效低下。
五是网络舆情监测管理协调机制不够完备。大部分地区在网络舆情监控与管理工作中，存在着方案可操作性不强的状况，协调机制、处置机制、反馈机制等方面存在着薄弱环节，尤其是在黄金4小时处置方面效能不高，未能建立起多部门联合、有效互动、资源整合、力量聚合的有效处置机制。
三、对进一步强化国内网络舆情监测管理工作的几点思考
1.设立牵头部门，进一步整合网络舆情监测管理力量
目前各地区网络舆情监测管理力量主要集中在宣传、公安以及政府办、局等部门单位，为了进一步整合工作力量，可以设立政府或者县委层面的网络舆情监测管理委员会或者类似机构，统筹协调辖区内的全部监测管理力量，必要时还可以吸纳电信、移动等技术部门参与，实现人员、技术与设备的最佳整合，进一步提高工作成效。
2.健全工作机制，进一步构建网络舆情监测管理体系
要逐步建立和完善网络舆情监测、研判、预警、反应机制，及时掌控苗头性舆情，掌握处置主动权。要完善线索搜集、监测监控、证据固定、预警处置一体化处理机制，建立起多部门共同参与的联动处置机制，进一步整合各职能部门工作资源，网上网下联动，风度不良信息。
3.创新工作方式，进一步营造网络舆情和谐可信环境
要完善网络舆情监测管理方面的法律法规，依法处置各类问题，发挥行业自律作用，在主管部门引导下建立起诚信自律体系，创设良好的网络环境。同时，监测管理部门要与正面主流网络媒体的联系沟通，完善社会主义核心价值观宣传体系，营造健康、积极、向上的网络氛围。
4.及时处置应对，进一步促进网络舆情良性平稳过渡
要及时发现各种不良信息的苗头，主动提前介入处置，迅速启动预案，尽可能地将危机处置和化解在初始阶段。要致力于推动政府部门与民间网络代表的对话，及时公布真相，取信于民，并听取网民的合理建议，相互之间建立起信任，通过互动方式平稳过渡，并建立起互动的良好机制。
5.加大投入力度，进一步提升网络舆情监测管理水平
要在财力许可范围内加大网络舆情监测管理设备投入，强化网评员队伍建设，强化网络舆情监测管理专门工作人员的业务培训，提高工作能力与水平，更好地履行岗位职责。
舆情监测范文第3篇
关键词：网络舆情；舆情监测；指标体系
有效加强网络舆情监测分析，才能实时掌握网络舆情动态。网络舆情监测分析工作重要环节包括采集、整理和分析舆情信息，需要构建一定的指标体系，评价揭示网络舆情信息的特征与变化规律。指标是在评价某些研究对象所确定的依据和标准，包括指标名称和数值。网络舆情指标体系是由相互联系、相互补充的指标组成的统一整体，用于反映网络舆情的综合状况，揭示其中的各个方面。本文首先介绍舆情监测的来源范围，接着阐述网络舆情监测指标的构建原则与内容，提出从主题汇聚、热度、内容倾向性、预警等方面构建网络舆情监测指标体系。
1 网络舆情监测来源
网络信息的来源不断趋于多样化，从传统的新闻网站、博客论坛，发展到微博、微信等社会化网络应用[2]。准确把握舆情态势，防止监测分析片面化，需要增加信息来源范围。然而，舆情监测难以捕获所有网络信息，网络舆情的来源选择就显得非常重要。在网络上，表现为围绕新闻、事件、问题与个案等产生的网络信息。网络舆情的信息来源选择主要包括：
（1）主流媒体新闻网站。网络新闻是民众获取信息的重要来源，特别是主流媒体的新闻。重大性与突发性舆情都会及时出现在主流媒体，聚集大量网民跟帖评论，是舆情的重要来源与传播源头。（2）论坛。在网络社区中，网民会发出具有个人观点看法的各类信息。在舆情监测工作中，接触到的近半信息都来自于各种论坛。（3）博客。博客是个人分享、交流思想知识的空间，会对热点和新闻事件、特定话题和现象发表个人评论，是舆情信息的重要载体之一。博客数量众多，主要采集专家、知名人物的博客及网民回复。（4）视频网站。视频网站是社会生活和事件的记录与者，并且大多视频网站提供给留言功能，比如优酷、爱奇艺等。视频信息鲜活，网民会分享观感看法与态度，视频标题与描述信息为舆情数据的整理分析提供了可能和便利。以往工作容易忽视这类舆情载体，而实际中一些舆情事件会较早通过视频网站传播。舆情监测工作需要重视视频信息的价值，及时采集抽取其中的有价值信息。（5）社交媒体。在社交媒体应用上，国内主要是微博和微信。微博相对数据开放，数据量巨大，很难在较短的轮询时间窗口完成采集遍历。所以，与传统博客类似，选择其中的部分微博。微信主要限制在个人通讯范畴，主要将微信公众号作为舆情信息来源。另外，一些网站由于赢利、点击量等原因，有意甚至恶意炒作负面信息。所以，要区分标识这类信息来源。同时，在采集器设置上进行一定限制和过滤，避免采集处理过多无效无关数据。
2 监测指标构建原则
网络舆情指标体系的构建原则应包括：（1）主题性。具体的舆情工作具有明确的服务对象，其舆情内容具有鲜明的主题、行业或领域性质。舆情监测的目的是及时识别问题与风险。因此，舆情指标应对各类信息做出灵敏响应。（2）可靠性。指标的选取要有相对可靠性与稳定性，确保指标的使用在时间上有延续性[1]。（3）系统性。网络舆情监测分析工作是一项十分复杂的过程，涉及内容众多。指标体系一定要尽量全面完整形成整体，覆盖舆情工作流程，从多层次多角度揭示网络舆情特征。（4）实用性。舆情监测指标必须反映舆情演化趋势与客观规律，符合网络舆情工作需求与相关流程，便于分析和引导舆情。同时，指标的计算分析结果要尽量便于理解与解释说明，为舆情简报等工作提供必备的数据支持。
3 监测指标体系
（1）主题聚合
按照内容相关度准确关联聚合舆情信息，是准确把握舆情整体走向、媒体与网民言论态度的前提。主题聚合即指依据信息内容实现信息的分类与聚类，是舆情话题发现与话题追踪的基本支撑。从技术实现角度，主题聚合涉及信息内容分析，大多都是基于词语匹配的聚分类方法实现舆情话题发现与追踪等主题聚合功能。然而，文本中存在大量词形不同，但意义关联的近义词、同义词与相关词，内容相同或相近的新闻、帖文会出现在不同的页面与帖文。舆情信息中包括大量短文本，特别是网民回帖评论，存在明显的语义特征稀疏问题。分类体系只限于关键词本身，不具备主题词的语义描述，容易影响聚分类的准确率与召回率，主题聚合指数的性能会受到明显限制。一个解决方法是构建语义知识，并扩展语义计算模型提高分析的准确程度；利用当前的最新技术，比如深度学习方法，通过构建具有多隐层的学习模型，以海量舆情数据作为训练集，学习扩展语义特征，提升内容分析的准确程度。
（2）热度
舆情热度衡量舆情被关注的程度与传播范围。舆情热度主要包括舆情关注度、传播覆盖度、舆情权威度等二级指标。一些研究提出地域关注度指标[3]，但网民IP地址对于第三方采集系统是难以大范围直接获取的。其中，舆情关注度采用主题内容下舆情信息的关注数量衡量，具体是篇目、浏览、回复数量的综合加权值，一般以线性累加和公式计算。该指标主要从网民角度，衡量舆情内容的被关注程度和感兴趣情况。覆盖度是指主题信息在采集来源站点中出现的比例。舆情信息来源站点是经过筛选的，代表舆情在整个监测范围内的传播程度。由于信息来源规模与特点不同，所以需要对来源类型预设参数再进行比例计算。权威度指舆情信息的来源权威度，比如人民网的权威度较高而小型商业新闻网站的权威度低，知名公众人物的博客权威度较高。权威度通过预设参数区分主流媒体、论坛、博客、微信公众号的来源指标。最后，将以上二级指标综合加权，进行标准化处理得到主题热度。
（3）内容倾向
内容倾向是信息内容中包含的观点态度，内容倾向指标用于统计舆情信息中的各类情感倾向类型数量。倾向类型主要分为两类：正面（褒、支持）、负面（贬、反对）。文本中的句子不仅包括情感词，而且包含一些具有较强情感色彩的形容词、程度副词、感叹词、否定词等影响判断情感倾向的因素。区分舆情的倾向性，需要构建情感词库作为智力支撑，才能提高情感判断的范围与准确性。比如鄙视、侵犯属于负面动词，而拥护、赞扬属于正面动词，安全、漂亮属于正面形容词。“鄙视这种言论”，“这种装置不安全”，可以依据其中的动词形容词判断情感倾向。
传统手工构建的情感词典覆盖面有限，难以满足实际运用。考虑到技术实施的快速性、易用性以及语义问题。借助已有情感词典构建基本情感词库，运用Word2Vector工具将语料库（比如已采集舆情信息、维基百科知识）转换为词向量，计算其他词语与已知情感词的语义距离，构建情感词特征空间[4]。通过扩展情感词库，判断广泛的情感倾向。舆情信息中的回帖或评论大多由较短句构成，其中句子s中的情感词表示为，s的情感类型。其中，表示词wi的倾向类型。如果wi前面否定词个数是奇数，则反置wi的极性倾向。将倾向性判断问题转化为文本分类问题，这样可以有效判断各种长短文本的情感倾向，得到主题信息的情感态度频率分布与内容倾向趋势。
（4）预警
网络舆情表现为海量的网络信息，舆情变化程度对应相应数据的特征与趋势。所以，监测分析数据变化可以描述舆情的影响趋势，对网络舆情进行危机预警。当前，网络舆情事件处理存在应急准备不足，报送时间不及时，突发事件响应速度慢等不足。一个重要原因是网络舆情预警能力相对较弱。舆情监测需要增强舆情信息的分析和预测，将工作重点从单纯的收集有效数据，向深入研判与预测舆情的趋势方向拓展。常用的思路与方法是：预设时间窗口，获取主题信息数量，内容敏感程度，负面倾向性评价数量比例，传播范围等基本特征与指标。计算历史窗口下的信息增长率、增长梯度等变化程度，评估舆情信息的数据变化趋势并制定预警级别。进而，以数据挖掘为核心技术，应用不同的数据模型方法，比如传统的多元回归、贝叶斯网络、决策树、支撑向量机等预测舆情发展趋势。如果大于某阈值或符合预定模式，认为需要预警，即从海量网络数据中预判出潜在的危机隐患。
参考文献
[1] 王铁套，王国营，陈越. 基于模糊综合评价法的网络舆情预警模型[J]. 情报杂志，2012， 31（6）：47-51.
[2] IRI网络口碑研究咨询机构介绍及研究方法[EB/OL]. http：///wiki/网络舆情指数体系.
[3] 李雯静，许鑫，陈正权. 网络舆情指标体系设计与分析[J]. 情报科学，2009 （7）：986-991.
[4] 黄仁，张卫. 基于word2vec的互联网商品评论情感倾向研究[J]. 计算机科学，2016（6）：387-389.
作者简介
舆情监测范文第4篇
[关键词] 社会舆情；网络舆情；舆情监测制度
【中图分类号】 TP393 【文献标识码】 A 【文章编号】 1007-4244（2013）12-015-1
一、舆情对司法的影响
首先，通过下面一组案例了解社会舆论，尤其是社会舆情对司法的影响：
（一）泸州二奶继承案：2001年，黄某立遗嘱将财产遗留给情人张学英，并进行了公证。黄去世后，其妻拒绝将其遗产交付张。张遂提讼，引起许多媒体的关注，更引发了法律界的争论，网络上舆论纷纷，给审判机关带来了很大压力。法院判定遗嘱无效。二审维持原判。
（二）李思怡案：2003年6月4日，长年吸毒的成都妇女李桂芳因偷盗被抓，后被送去强制戒毒。李桂芳被抓后，曾多次极力哀求抓她的人去救出被关在屋里的无人陪伴的女儿李思怡，但都遭到拒绝，最后只是简单的通过电话进行联系，在戒毒所里求助时同样没有给予答复，其家人及邻居也都未接到通知，导致其3岁李思怡被困家中活活饿死，直到6月21日才被发现。四川媒体记者在网络发文，立即引起广泛关注。人民法院公开审理此案，涉案民警被以涉嫌罪提起公诉。8月19日，成都市新都区法院对原金堂县公安局城郊派出所副所长王新和民警黄小兵公开宣判，以罪分别判处王新和黄小兵有期徒刑三年和两年。
（三）河南“喝水门”案：2010年2月18日，河南省鲁山县一名叫王亚辉的男青年因涉嫌盗窃罪，被公安机关带走，3天后其亲属被告知，王亚辉已在看守所内死亡。亲属查看尸体后，发现死者身上有多处伤痕。对此，当地警方解释，犯罪嫌疑人是在提审时喝开水突然发病死亡。当地警方“喝开水死亡”的说法一经报道，立刻引起广泛关注，“喝开水”一词迅速成为网络热词。同时，不少网友也发出检察机关能否查明事件真相、能否依法公正处理的质疑。河南省检察院监测到鲁山县“喝水门”事件的舆情信息后，指示平顶山市检察院介入，迅速查明了4名公安人员的刑讯逼供行为，4名涉案人员被依法批准逮捕。至此，这起网络舆论事件才渐渐平息。
以上几个案例，都可以看出社会舆论监督特别是网络舆情对案件审判产生影响，包括积极影响（李思怡案），也包括消极影响（泸州遗产案）；同时值得注意的是，司法机关的舆情监测与相应的举措也对案件结果起到重要影响。那么，到底什么是网络舆情、舆情监测，后者对前者有什么影响，又应该怎么去完善，笔者将在本文提出一些个人想法。
二、网络舆情概述
（一）网络舆情的概念。天津社会科学院舆情研究所王来华研究员在国内最早对舆情进行系统性定义，其研究认为“舆情是指在一定的社会空间内，围绕中介性社会事项的发生、发展和变化，作为主体的民众对作为客体的国家管理者产生和持有的社会政治态度。”网络舆情是由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情感和行为倾向的集合。
（二）网络舆情的特点。网络舆情形成迅速，对社会影响巨大。网络的开放性和虚拟性，决定了网络舆情具有以下特点：1、直接性，通过BBS，新闻点评和博客网站，网民可以立即发表意见，下情直接上达，民意表达更加畅通；2、突发性，网络舆论的形成往往非常迅速，一个热点事件的存在加上一种情绪化的意见，就可以成为点燃一片舆论的导火索；3、偏差性，由于发言者身份隐蔽，并且缺少规则限制和有效监督，网络自然成为一些网民发泄情绪的空间。
三、舆情监测制度概述
（一）舆情监测制度的概念。舆情监测，是通过对互联网传播的公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点的一种监视和预测行为。
（二）舆情监测制度建立保障。网络舆情监测体系的建立主要依靠两方面保障：一是人力、资金等物质方面的保障，二是计算机软件系统等技术方面的保障。随着互联网技术的不断更新，网络舆情监测和舆情分析有必要通过与之相匹配的科技手段来进行。
四、舆情监测制度建议
（一）加强对各类网络论坛，尤其是市县级论坛的舆情监测。加强地方网络舆情监测，应建立以当地新闻媒体和网络论坛为先锋、以政府和事业单位为后盾、以同级司法网站为互访对象的舆情监测网，搭建夯实的技术平台，对网络不良信息严格管理和控制。
（二）加强全国性、主流论坛和主流网络媒体的议程设置引导。全国性、主流论坛往往是舆情热点事件的“孵化器”，同样值得我们高度重视。这类主流论坛和网络媒体通常具有较强的组织性和影响力，可以与传统新闻媒体一样通过“议题设置”把网民的注意力和社会关心引导到特定的方向。
（三）加快司法部门对涉法网络舆情的应变速度。畅通网络与司法部门的舆情沟通渠道，确保司法部门能在网络舆情事件发生后的最短时间内作出正确决策。司法部门应拓展自己的网络传播阵地，创办好法院网站，对题材敏感、社会关注度高的案件在充分策划后及时公布结果。这是平衡网络舆情与司法审判关系的根本途径。
参考文献：
[1]人民网舆情监测室.网络舆情热点面对面[M].北京：新华出版社，2012.
[2]人民网舆情监测室.如何应对网络舆情――网络舆情分析师手册[M].北京：新华出版社，2011.
[3]杨兴坤.网络舆情研判与应对[M].北京：中国传媒大学出版社，2013.
[4]唐钧.应急管理与危机公关：突发事件处置、媒体舆情应对和信任危机管理[M].北京：中国人民大学出版社，2012.
舆情监测范文第5篇
【关键词】舆情监测系统，分词技术，全文检索引擎，热点预判
1 绪论
1.1什么是舆情监测系统。舆情是“舆论情况”的简称，是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，作为主体的民众对作为客体的社会管理者及其政治取向产生和持有的社会政治态度。它是较多群众关于社会中各种现象、问题所表达的信念、态度、意见和情绪等等表现的总和。出现了社会舆情相关行政部门和新闻媒体等机构想第一时间的获得舆情信息就造就了舆情监测系统的产生。舆情监测系统是指通过相关的专业舆情软件按照一定的规则和算法将互联网上繁杂的数据信息当中用户所关注的信息抓取出来，并通过分析过滤等方式，最终呈现出与需求相匹配的舆情信息，并以舆情报告形式呈现。
1.2舆情监测系统现状。我国关于舆情监测系统的研究始于2005年，经过10年的发展舆情监测系统在功能上已经发展的相当完善，通过舆情服务对象舆情监测系统大体可以分为：以人民网为代表的综合舆情监测系统、以军犬、红麦等商业系统提供商为代表的特定行业舆情监测系统、以地方综合网站为代表的区域舆情监测系统。近两三年地方网站纷纷加大了舆情监测的投入，在舆情监测系统上又有了一定的创新，逐步成为舆情监测的新生力量，得到广大区域客户的欢迎。
2系统设计思路
2.1系统架构
2.2技术选型。为了保证舆情监测系统的高效、安全和跨平台等特性，在技术选型上决定所有服务器使用Linux系统，结构上采用多层B/S结构，在开发语言上选择JavaEE体系结构和MVC三层设计模式。
2.3系统构成。舆情监测系统从信息采集到生成最终舆情报告经过五个阶段：信息采集、信息加工、舆情分析、舆情、舆情跟踪舆情报告，其中每个阶段又分为五个独立子系统进行处理。
2.4关键技术
2.4.1敏感分析技术。针对互联网上敏感词的多样性，我们对于采集来的信息进行预加工，将信息按照时间、地点、事件等条件进行分类，同时我们将用户输入的敏感词逻辑关系表达式进行分词，形成模糊查询条件，将符合模糊条件的信息导入备选库，在形成检索的敏感词中引入同义词、反义词、拼音、字形等扩充进一步完善查询条件，再从备选库中将符合条件的信息展示出来。
但是在现实操作中舆情信息者为了避免计算机自动识别和关键词屏蔽，往往会将敏感词进行修饰，其中主要的干扰手段有：敏感词之间加入空格或者特殊字符；使用会意字、同音字或拼音等代替敏感词中的部分文字；使用图片、图形等代替敏感词中部分文字。针对这些变形我们可以通过分词技术、OCR识别技术、正则表达式等方式去除干扰。
同时为了增加敏感词检索效率，我们会将用户输入的敏感词逻辑关系表达式识别成一个个的关键词进行索引。信息预加工的时候如果信息敏感词可以在索引中找到关键词直接归类，如不在索引中找到将信息导入备选库，系统每天零点将备选库中信息进行二次计算避免信息的遗漏。
2.4.2热点预判技术。互联网每天新增的信息数量庞大、内容覆盖领域广泛。很难通过原有的跟踪技术分析热点事件。但我们根据网络传播的规律可以得到从信息产生到成为热点大体需要1-3个小时的发酵期，在这几个小时内信息如果没有引起权威渠道（重点网站、社区或知名自媒体）的关注，信息将会进入沉淀期，沉淀期的信息要重新成为热点需要具备以下条件：1、通过同型或异型热点话题诱发关注；2、权威渠道的再次关注。如果发酵期被权威渠道关注将进入关注期，信息将会出现第一个报道峰值，此阶段大体时间0.5-2小时，具体时间根据自媒体推广时间和搜索引擎抓取时间而定。之后会进入传播期，传播期的时间不好预测有可能是几个小时或者是几天，如在传播期得到网友的关注被广泛转载和推荐将进入消息的井喷期，此时将出现第二个报道峰值，此时的报道将主要是消息的解读、纵深、相关等内容，这样热点正式形成。我们对于热点的预判应该在信息的传播期进行分析，系统采集到信息后两个小时，开始分析信息“每小时热度”（每小时热度是由以下几方面决定的：1、是否是近期热点事件（可以通过百度搜索风云榜查询）；2、此事件相关话题的报道数量；3、此事件报道的网页站点的权威度（可以参考百度指数和pr值）；4、此事件报道的网页点击量、分享量和评论情况），我们分析5-10小时热度曲线得到信息传播的热力发展情况，如曲线无衰减或较少衰减我们就认定此信息为热点事件。
2.4.3信息排重技术。因为互联网网站数量十分庞大，网站信息同质化情况严重，造成采集来的信息重复度很高，对于舆情分析来说相同内容信息只需要显示一条就可以，所以就产生了信息排重的需求。我们通过信息指纹技术进行信息排重。信息指纹技术在百度百科中的解释是：提取一个信息的特征，通常是一组词或者一组词+权重，然后根据这组词调用特别的算法，例如MD5，将之转化为一组代码，这组代码就成为标识这个信息的指纹。生成信息指纹之前先将采集来的信息去除非特征关键词、连接词、形容词、语气词等干扰关键词，针对每段剩余的关键词生成信息指纹，比对疑似相同内容的文章各段的信息指纹判断内容是否相同。
2.4.4 稿件溯源技术。信息的出口地址对于舆情分析和舆情处理起着十分重要的作用，我们的溯源算法是通过分析信息时间点和信息关系拓扑计算出来的。其中的几个时间点有：网页文件生成时间、网页内容时间、搜索引擎快照时间、搜索引擎收录时间。通过分词技术和信息指纹技术找到信息内容的原始拷贝，结合网页提供的相关参数和上面提到的几个时间我们可以大体的分析出信息的原始出口。
舆情监测范文第6篇
舆情监测工作由来已久，最早的网络舆情监测手段也是基于传统的手工模式。通过雇佣大量工作人员对指定的监测页面进行监测，使用人工方式，对某些重点监测词汇进行频率统计来寻找舆情动向。然而随着互联网的蓬勃发展，传统的方式已经落伍，要对网络舆情进行监测，就必然要依托于一个功能强大的互联网舆情监测系统进行。伴随着网络的发展，国内外已有一系列的网络舆情监测系统正式投入使用，这些系统通常是依托于政府部门、学术机构以及企业媒体建设的，分别基于不同的需求（行政决策的、学术研究的、商业开发的），从不同的角度对网络舆情进行监测。最早的相关研究始于TDT（TopicDetectionandTracking）项目［2］，它是美国国防高级研究计划局主导的，旨在从新闻网页中找到未知话题并对话题进行追踪。该项目历经多年发展演变，其核心研究内容分为报道切分、话题追踪、话题监测、首次话题报告以及关联监测这5个方面的内容［3］。在我国，由于中西文在文本挖掘、分词方面的巨大差异，以及社会经济等方面的差异，基于汉语的网络舆情监测研究起步较晚［4］。目前，学院型的舆情研究机构主要有北京大学中国国情研究中心、中国人民大学舆论研究所、上海交通大学舆情研究实验室等［5］。
2网络舆情监测系统框架
从过程上看，网络舆情监测的本质是从网络上获取数据、分析数据以及按用户需求呈现分析结果的过程，因此在系统实现时，从数据流向的角度，可以把一个网络舆情监测系统划分为数据获取模块、数据预处理模块、数据分析模块以及结果呈现模块，整个系统的结构如图1所示。
2．1数据获取模块
数据获取模块的主要功能是全天候的、自动的从整个网络上，或者某些特定网络上获取进行舆情分析的原始数据。在自动获取数据的过程中，有两方面的要求。一方面，是获取的相关舆情数据相对于整个数据的覆盖率的要求，即要尽可能地获取尽量全面的原始数据；另一方面，则是对数据准确率的要求，即所需数据要尽可能贴近用户关心的舆情热点。只有在覆盖率和准确率全部达标的情况下，才能更好地对网络舆情进行分析预测。目前，常见的数据获取方式有两种：（1）网络爬虫方式。互联网的一项基本协议是HTML协议，基于该协议，网络中大量资源以统一资源定位符（URL）相互联系，构成一个有机整体。网络爬虫从一个预先定义好的URL列表开始，依次访问该列表上的所有页面进行数据抓取，并分析当前访问页面中的其他URL，选择符合要求的URL加入待访问队列，试图以深度或者广度的方式对限定范围的网络进行遍历式的访问，以获取该网络的所有信息。（2）元搜索采集技术。搜索引擎是大多数网民访问网络的入口，目前有众多的搜索引擎服务提供商，其检索过程有不同的侧重方向，检索结果也各不相同。可以在若干不同的搜索引擎上部署元搜索引擎，通过对下层引擎的调用返回多个搜索结果，并基于一定的算法对不同结果进行选择。使用该方法能够有效地提高数据获取的覆盖率和准确率，且系统构建较为简单。
2．2数据预处理模块
Web页面的数据有其自身特点，它是一种半结构化的数据，整个数据包括内容和描述两个部分，且两者混杂在一起。直接通过数据获取模块抓取的页面内容复杂，存在大量噪音，文本内容非结构化，无法直接进行下一步的分析工作，对这些原始页面必须进行一次数据预处理。预处理的过程大体上分为两步：（1）进行网页内容提取。将用户关心的内容（例如新闻的内容、对主题的讨论等）从噪音（如页面上的广告、导航以及其他超链接）中找出。将页面转化为一个HTML标签树，根据已有知识建立提取规则，最后依据规则对页面内容进行提取。如何建立一个合适的规则是提取工作的核心，可以针对某类特定的网站建立专属规则，也可以针对一般页面的结构特点建立一些通用规则。（2）进行中文文本分词。自然语言中，词是最小的独立活动的语言成分。要对页面提取获得的非结构化连续文本进行处理，首要的工作就是对其进行分词。分词是将输入的一段文本分解为符合逻辑的一组单词的过程，例如输入“羽毛球拍”时，依照某种分词算法就可以初步将其分解为羽毛、羽毛球、球拍3个单词。最简单的分词算法以词典为基础，通过对字符串匹配完成初步工作，之后辅以少量词法、语法和语义规则；另一种思路是基于统计进行分词，统计文本中相邻字同时出现的频率，频率越高就越可能构成一个词；还有一些基于规则的分词算法，通过模拟人对句子的理解过程，对当前句子的语法、句法、词法进行分析推理，能够自动补全未登录词条。
2．3数据分析模块
数据分析模块是整个网络舆情监测系统的智能核心，在本质上是一个数据挖掘的过程。它负责将前期获得的网页内容进行深度挖掘，发现新的舆情热点，并对原有的舆情趋势进行分析。一个典型的系统应具备以下几方面的功能：（1）主题聚类。聚类可以很直观地从海量数据中发现新的主题。将处理过后的网页内容归一化到某个特征空间中，在这个特征空间中以某种方式，将特征接近的页面内容划分为不同的类别，相应类别的聚类中心就可以认为是新的主题。（2）热点发现。在当今网络时代，每天产生的舆情主题众多，其中有些主题能够迅速成为当下的舆情热点，舆情监测系统需要将这些舆情热点从众多主题中筛选出来，推送给舆情分析人员。筛选的时候应该注意“热点”一词不同方面的含义，最直观的含义就是某主题在某段时间内出现的频次；再有一方面的含义就是某主题除频次以外的权重，例如该主题来源页面的影响力、该主题的发展速度等。（3）话题追踪。网络话题的生命周期从最初的事件主题开始，经过一段时间的发展演化成为舆情热点，又经历一段时间的发展变化逐渐热度降低，最后消散。还有，在这个过程中话题的变异分支过程，都是在基于网络舆情进行决策分析时可以纳入考虑的影响因素。在分析大量话题生命周期后，可以从中总结一定的规律，对当前某话题的下个阶段进行一定的预测。（4）情感识别。网络话题除了对某个发生事件的客观描述外，还有一定的情感倾向，尤其是在网民对该话题的回复中，这种情感倾向会更加明显地体现出来。从整体上看，这种情感倾向会分为赞成、反对以及中立这3种大的方向。将人们对某个舆情热点的情感倾向进行直观体现，有助于更好地进行分析决策。这种分析不光要对舆情的当前状态进行情感识别，还要对该话题的发展过程中某个阶段的情感同时进行分析，以掌握舆论对该话题情感倾向的变化过程。
2．4结果呈现模块
网络舆情分析的目的是为相关的决策提供支撑依据，其分析结果需要简单直观地提供给决策分析人员，并在初步分析的基础上对整个结果进行二次挖掘。这就需要结果呈现模块能够动态图形化地展示分析结果，并对某些舆情热点、舆情的重大拐点进行主动推送警告。根据一般化的网络舆情分析需求，必须实现的功能有：（1）针对所有主题的查询。（2）新主题的推送。（3）舆情热点、拐点的警告。（4）舆情发展态势图。
3总结展望
总的来说，一个舆情监测系统，无论具体实现细节上有多大差异，其运转流程总是按照数据获取、预处理、数据分析、结果呈现这4个步骤进行。在革命性技术手段出现之前，要对系统进行进一步的提高和完善，就需要从两个方面开展工作。一方面在数据采集部分，需要扩充监控网页的类型，如加入论坛、社区网页的搜集，或采用多种形式搜集策略相结合的方式，如聚焦爬虫、网站监控等策略，收集最广泛专业的舆情基础数据；另一方面在舆情的智能分析决策方面，以自然语言处理技术与数据挖掘技术为基础，融入包括智能检索、自动摘要、热点事件自动发现、热点词发现等高级需求，对舆情报警以及统计报表等功能进行扩展。
舆情监测范文第7篇
关键词：网络舆情 网络舆情分析与监测
当前，网络已成为反映社会舆情的重要途径。网络舆情已渗透到社会的各个层面，成为了一股强大的、不容忽视的舆论力量。因此，如何识别和分析网络舆情信息，如何对舆情进行监测和有效引导，对于维护当今社会的稳定和发展具有重要的现实意义。
1 我国网络舆情现状
由于当前我国正处于社会变革和转型的关键时期，各种社会矛盾日益凸现，各种社会问题日益受到人们的关注，越来越多的人们愿意通过各类信息渠道表达自己的个人观点和想法。随着移动互联时代到来，借助移动终端和各种网络互动软件，人们可以随时随地的发表观点，报道事件，尤其在突发公共事件中，任何一个人都可以对事件进行现场报道，社会舆论的生成机制发生了深刻的变革。
当前我国网络舆论场的强度，在世界居首。2011年，我国网络舆论力度骤然增强，上网发声的阶层越来越广泛，网民高度警觉和关注着现实社会的各种热点事件。特别是“7・23”动车追尾事故和郭美美事件等敏感事件，造成网上网下人声鼎沸，成为当时最大的网络热点。
因此，在当前复杂的社会环境下，加强舆情信息工作，及时掌握舆情动态，积极引导社会舆论，是维护社会稳定和安全的重要举措。而研究和分析网络舆情信息，明确舆情信息的来源是前提和基础。目前，微博、微信、即时通讯软件、博客、跟帖与网络留言、网络社群和网络社区等是传播网络舆情信息的最主要途径。
2 网络舆情信息主要包含的内容
2.1 重大事件。所有的重大事件的发生都会在很短的时间内迅速在网络上传播开来，与事件发生有关的各个报道，新闻，各方面的消息和热点都会在各个网站上铺天而来，在短时间内就会出现大量的评论，跟贴和发帖等等。
2.2 突发事件。量变到质变的过程是突发事件产生的一个重要阶段，例如“日本大地震后我国的抢盐事件”，在发生初期，并没有引起太多人的关注，只是在民间出现了许多的“谣言”，但其迅速扩散，就会影响到广大群众，并有可能造成整个社会的恐慌。
2.3 国家的经济工作和重点工作。网络上的主流的意识形态还是需要各个新闻媒体来传播，需要政府和组织来引导，继而形成被大众所接受的健康向上的主流舆论，政府部门要引导人民群众，最大限度地在广大人民群众中形成共识，来统一不同领域，不同阶级中的意识和信念，形成了社会的主流言论。
2.4 一些关系国际民生的重大政策的改革更容易引起人们的广泛关注，形成网络舆情热点事件。
2.5 和大多数人民自身利益密切相关的事件。因为舆情的一个重要作用就是人民群众对自身利益的诉求表达的一个重要渠道。在群众利益受到伤害时，他自然需要一个平台来寻求帮助和进行诉求，网络就是这样一个很好的舆情平台。
3 网络舆情监测系统的设计
网络舆情监测系统包含三个层次，自下而上分别为信息采集层、信息挖掘层、信息服务层。每一层为其上一层提供基础数据，以及为进一步分析奠定基础。其系统结构如下图所示：
■
网络舆情监测系统结构图
3.1 舆情信息采集层。信息采集层的基本任务是从数据格式多种多样的网页中采集出其蕴含的丰富的、各种各样的舆情信息。采集层的最下层为信息采集的目标网站，如新浪、网易、搜狐、新华网、人民网、凤凰网、猫扑、天涯社区等；中间层包含爬虫管理模块、预处理模块、分类存储模块，爬虫管理模块主要采用网络爬虫技术获取互联网上的舆情信息；最上层将采集的文本信息分为Web内容信息、Web结构和使用记录信息两部分内容。
3.2 舆情信息挖掘层。开展舆情信息深度挖掘，发现的热点问题、分析其态度倾向、处置构成危害的敏感信息是互联网舆情信息挖掘层的主要任务。它通过分析舆情信息采集层提供的数据，能够检测网络话题、分析民众的态度倾向、监测网络敏感信息、评估舆情态势等，为舆情信息服务层服务相关部门提供客观依据，是舆情信息处理的核心内容。主要包含文本信息预处理模块、网络话题检测模块、舆情倾向性分析模块、敏感信息监控模块。
3.3 舆情信息服务层。舆情信息服务层是舆情信息挖掘的目标，其辅助相关部门把握舆情动态、关注民情民意、做出正确决策。它一方面提供舆情信息摘要，为相关部门快速了解舆情动态、掌握舆情事件的来龙去脉提供便利，提高工作效率；另一方面综合考虑话题热度、传播扩散度、态度倾向程度、内容敏感度、者影响力等舆情评价指标，并做出舆情评测、适时舆情预警信号，为相关部门及时做出反应提供帮助。
参考文献：
[1]王磊.公安网络舆情分析系统的研究[D].北京交通大学，2008（06）.
[2]张焕明.网络舆情分析系统的研究与设计[J].微计算机信息，2010（06）.
舆情监测范文第8篇
目前从事网络舆情评估的公司已经不下数十家,他们大多数只能对网络舆情估测一个大概程度,并不能对事件的影响力做到相对量化的评估。绝大多数网络舆情监测产品,把文章在媒体上的出现次数作为评估的核心因素,认为文章在越多的媒体上出现,网络舆情指数就越高,并没有对这篇文章的单个影响力做到细化评估。事实上,除了传播的媒体数量,决定网络舆情指数高低的因素还有很多:
单篇文章点击率举个例子,某金融上市公司的管理层在网络上出现了负面信息,链接多达 100多个,后来请公关公司删帖,为了删除某个门户网站的一篇博文,花了近 10万元。而通过万瑞数据舆情监测产品 BrandRating(网络传播效果监测)对该博文进行分析后,发现真实有效的 PV(点击量)不到 10个,相当于每个PV花了 1万元,真是得不偿失。可见,如果不对单篇文章的影响力做有效评估,就很难量化传播效果,也很难得出合理的解决方案。由于万瑞数据能监测中国互联网 70%网民浏览的主流网站的全样本流量,有能力对文章的点击量进行细化,所以 BrandRating在舆情监测中非常有优势。
文章的公信力单篇文章的影响力,还跟文章的公信力有关。一篇文章是否署名,或者署名人在某媒体的影响力、媒体的性质,以及在某媒体出现的位置等,都决定了文章的公信力。
比如,汶川地震当天,传言北京当天晚上也有地震。笔者首先从 QQ群得知这一消息,然后去网上搜索,发现某个论坛正在讨论,接下来发现某个门户也有这条新闻的报道,接下来又去新华网和地震局相关网站查找。这一反映的流程,恰好反映了这个事件中不同媒体公信力由低到高的走势。从而舆情指数也由低到高排列。
上述例子说明了媒体的动态影响力,但是对署名人在某媒体的影响力没有做细化分析。假设在同一个论坛、同一个版块、同样一个帖子,不同署名人对事件的影响力也大不相同。一个老用户发的一篇帖子,跟新用户发表的帖子,影响力就有很大不同。当然并不是说老用户帖子数量多就把老用户的级别调高,还要看老用户以往发帖内容跟此次舆情事件的关联度有多大,如果关系很小,那么这个老用户就仅仅处于“爆料”或者臆断的层次。但如果该老用户在某一论坛混迹多年,那么他对某一事件的看法很有可能非常深刻,公信力就可以达到专家水平。
由点及面及体此外,地域的差别、与历史某个事件是否产生关联等因素,可能使同一事件的影响力千差万别。假设有两个舆情事件,每一个事件上面的几个元素都完全一样,就是分布的地区不一样。第一个事件集中在某一个地区,而第二个事件集中在北、上、广三个地区。如果分散在北、上、广地区的三个点构成一个面,那么这个事件很有可能会成为一个全国性事件,其影响力要比加法累加的结果大出很多。当然如果这一事件很零散地分散到全球各个国家的各个地区,那么这一事件就很有可能被淹没,影响力几乎为零。
舆情监测范文第9篇
【关键词】网络舆情监测 报警系统
1 概述
随着互联网信息的不断发展，越来越多的舆论信息主要以互联网为载体进行和传播，由于信息量大，来源广泛，因此人工很难在海量信息中获取所需的舆情信息。为了更好的把握舆情走势和获取最新的、有价值的舆情信息，诞生了网络舆情监测系统。
网络舆情监测系统可以实时监测互联网上舆情信息，并根据用户特定需求持续关注。可通过对互联网上舆情信息进行抓取，根据关键词进行分类、判断正负面等分析和处理，以方便了解、把握和分类查看、监测和预警舆情走势及对相关舆论情况进行处理等。能够处理涵盖传统媒体和新兴媒体等绝大多数范围的网络舆情信息，具有抓取范围广泛、处理及时、分析准确度高的特点。
2 舆情信息预警
一般的，舆情监测系统的预警功能大多采用的是邮件预警，向预警接收人发送相关预警邮件进行预警提醒。随着对舆情信息的预警提醒要求不断提升，仅有的邮件预警已经不能完全满足用户的需求，因此根据实际工作需要，需要对舆情系统预警功能进行升级改造，扩展舆情系统的预警方式，以便针对舆情信息的尽早做出判断，并做好应对措施。
根据工作需要，舆情监测系统增加了邮件实时预警、系统内弹窗预警、手机客户端预警等功能，同时，系统还支持通过设备向手机发送预警短信，其中系统内弹窗预警和手机客户端预警可播放声音提醒，另外，系统还增加了客户端外置声光报警设备预警。
3 报警系统技术实现
3.1 手机客户端
手机客户端在满足直接与原系统对接的前提下，可提供用户关注的重要舆情、预警信息的获取和推送。在安全验证方面，手机客户端使用用户身份鉴别，需要使用用户名和密码登录，保证了信息的安全性。在手机客户端上可以接收原系统实时的预警信息，实现手机弹窗和声音提醒，同时还能显示最新的系统信息，支持显示舆情信息的标题、作者、日期、正文和来源网站名称等。手机客户端还支持区分正负面网络舆情信息，正面和负面信息的标题使用不同的颜色表示。此外当客户端接收到新的预警信息的时候还可以设置声音提醒，方便预警接收人员及时查看和处理。
相关技术的关键代码如下：
updateBusinessClassifyBasePoint： function （typeId， maxvalue） {
$.getp（ServerAddress + '/updateBusinessClassifyBasePoint.action'， {
typeId： typeId， maxvalue： maxvalue
}， 5000， function （o） {
if （！o['error']） {
//获取推送新消息
$.Push（）.getNewPushMsgCount（）；
}
else {
do_alert（'连接超时'， '提示'）；
}
}， false）；
}，
updatePushMessageStatus： function （docId， elem） {
$.getp（ServerAddress + '/pushAction！updatePushMessageStatus.action'， {
docId： docId
}， 5000， function （o） {
if （！o['error']） {
if （o == 200 &&elem ！= null） {
$（elem）.removeClass（"on"）；
}
}
}， false）；
}，
savePushMessage： function （hash， receiverId， receiverName） {
$.getp（ServerAddress + '/pushAction！savePushMessage.action'， {
urlmd5： hash，receiverId： receiverId， receiverName： receiverName
}， 5000， function （o） {
if （！o['error']） {
if （o.saveStates == "200"） {
do_alert（'推送成功'， '提示'）；
}
else {
do_alert（'推送失败'， '提示'）；
}
}
}）；
}，
3.2 短信实时预警
在原舆情监测系统基础上新增实时短信预警功能，可支持对接短信设备（短信设备由供应商提供），支持群发短信功能，同时对于短信接收的人数不设数量上限，这样可以方便向多人发送预警信息。预警短信的内容主要包含信息标题和摘要，方便使用人员在最快的时间内接收到最新的网络舆情信息。
相关技术的关键代码如下：
public class SendMessage {
private static final Logger logger = LoggerFactory.getLogger（SendMessage.class）；
public static void main（String[] args） {
SendMessagesm = new SendMessage（）；
sm.sendMessage（""， "这是来自客户端的一个测试短信"）；
}
public void sendMessage（String phone， String message） {
Service srv = null；
OutboundMessagemsg = null；
OutboundNotificationoutboundNotification = new OutboundNotification（）；
srv = new Service（）；
SerialModemGateway gateway = new SerialModemGateway（"1"， "COM4"， 115200， "wavecom"， "17254"）；//115200是波特率，一般为9600。可以通过超级终端测试出来
gateway.setInbound（true）；
gateway.setOutbound（true）；
gateway.setSimPin（"0000"）；
gateway.setOutboundNotification（outboundNotification）；
srv.addGateway（gateway）；
try {
srv.startService（）；
logger.info（"Modem Information："）；
logger.info（"Manufacturer： " + gateway.getManufacturer（））；
logger.info（"Model： " + gateway.getModel（））；
logger.info（"Serial No： " + gateway.getSerialNo（））；
logger.info（"SIM IMSI： " + gateway.getImsi（））；
logger.info（"Signal Level： " + gateway.getSignalLevel（） + "%"）；
logger.info（"Battery Level： " + gateway.getBatteryLevel（） + "%"）；
msg = new OutboundMessage（phone， message）；
msg.setEncoding（MessageEncodings.ENCUCS2）；
srv.sendMessage（msg）；
logger.info（"发送["+phone+"-"+message+"] 成功"）；
} catch （Exception e）{
logger.error（"发送["+phone+"-"+message+"]"， e）；
} finally {
try {
srv.stopService（）；
} catch （Exception e） {
logger.error（""， e）；
} finally {
srv = null；
}
}
}
}
3.3 PC客户端
PC客户端与原系统可以完全融合，提供展示系统重要舆情的功能，同时能够及时获取推送的预警信息。PC客户端可接收原系统实时预警信息，实现声音提醒。PC客户端接收到原系统实时预警信息后具备弹窗提醒功能（类似QQ新消息弹窗模式）。同时PC客户端还可以显示最新系统信息，支持显示信息标题，作者，日期，正文，来源网站名称等信息；PC客户端还支持区分正负面信息，对于正面和负面信息的标题由不同的颜色显示，可以较明显的区别。另外，在PC客户端中也具备设置提示声音的功能，当PC客户端接收到预警信息后，可以设置声音提醒，方便查看和处理。
相关技术的关键代码如下：
loadPushMessage： function （message， appendPosition） {
vars_readmode = $.localStorage.getItem（'readmode'）；
if （！s_readmode） {
s_readmode = "haspic"；
}
varreadclass = ""；
if （message.isRead == "未读"） {
readclass = "on"；
}
message.content=message.content.length> 50？ message.content.substring（0， 50） ： message.content；
var $img = ''；
if （！（message.imageurl == "" || s_readmode == 'nopic'）） {
$img = ''；}
var $li = $（'' + $img + '' + message.title + '（' + message.stcount + '）
' + message.content + '
For i = 1 To 16
main_form.Picture1（i）.BackColor = RGB（255， 255， 0）
main_form.Label2（i）.Caption = "状态未知"
Next
main_form.openall.Enabled = True
main_form.closeall.Enabled = True
main_form.Timer1.Enabled = True
main_form.chuankou_num.Enabled = False
main_form.open_comm.Caption = "关闭串口"
End Sub
Private Sub close_state（）
Dim i As Integer
For i = 1 To 16
main_form.Picture1（i）.BackColor = &H80000011
main_form.Label2（i）.Caption = "状态未知"
Next
main_form.openall.Enabled = False
main_form.closeall.Enabled = False
main_form.Timer1.Enabled = False
main_form.chuankou_num.Enabled = True
main_form.open_comm.Caption = "打开串口"
End Sub
通过对以上几个形式的报警功能扩展升级，升级改造后的系统能够从多个角度对系统抓取的预警信息以最快的、最明显的方式通知、展示出来，方便相关值班工作人员在最短时间内了解和把握舆情信息，及时处置。
4 结语
随着舆情监测系统应用的深入，所关注各类热点也越来越多，网络舆情监测系统会帮助采集互联网海量信息，根据实际需求，加以汇总、分析、整理后，为用户决策提供更大支持。
作者单位
舆情监测范文第10篇
关键词：网络舆情；监测引导；Web数据挖掘
中图分类号：C93 文献标志码：A 文章编号：1673—291X（2012）28—0227—03
一、时代背景
互联网时代是人类历史上一个空前伟大的技术革命时代。现代信息技术、通讯传播技术、网络技术等众多现代化的传播技术已渗透到社会生活的各个领域。互联网广泛性、即时性、开放性、共享性和互动性的特点及丰富多彩、方便实用的应用形式决定其日益成为反映社情民意的重要阵地，网上热点层出不穷，网络舆情对国家事务、公共事务决策的影响力也日益加大。历史原因曾使中国长期处于封闭状态，国内关于舆情的研究起步较晚，目前迫切需要提升与之相应的理论和技术支持。舆情分析与监测是信息深加工，以往“剪报”式低价值粗加工的信息服务，虽可按主题范围搜集，但提供的结果仅局限于单一的信息内容，传统的单一线性收集方式已不能够满足人类大脑发散思维的需要。
二、网络舆情监测引导的技术支撑
在浩瀚的网络中，政府如果仅仅依靠人工完成网络海量信息的收集和处理是不现实的。而Web数据挖掘能快速、准确的获得有价值的网络信息，利用历史数据预测未来的行为以及从海量数据中发现知识。它克服了普通数据库管理系统无法发现数据中隐藏的关系和规则及根据现有数据预测未来的弱点。Web数据挖掘的出现为自动和智能的把互联网上的海量数据转化为有用信息和知识提供了条件。可有效地从Web获取并分析相关舆情，达到监测、辅助决策和引导的目的，为网络舆情预警提供了极大的帮助。
（一）Web数据挖掘
Web数据挖掘由传统数据库领域的数据挖掘技术演变而来。数据挖掘是指从大型数据库的数据中提取出人们感兴趣的、可信的、隐含的、明显未知的、新颖的、有效的、具有潜在用处的信息的过程[1]。随着互联网的蓬勃发展，数据挖掘技术被运用到网络上，并根据网络信息的特点发展出新的理论与方法，演变成网络数据挖掘技术。Web数据挖掘是指对目标样本进行分析提取特征，以此为依据从Web文档和Web活动中抽取人们感兴趣、潜在的有用模式和隐藏的信息，所挖掘出的知识能够用于信息管理、查询处理、决策支持、过程控制等方面。
根据挖掘对象的不同，可将Web数据挖掘技术分为三大类[2]：Web内容挖掘、Web结构挖掘和Web使用挖掘。Web内容挖掘是指从Web上检索资源，从相关文件内容及描述信息中获取有价值的潜在信息。根据处理对象的不同，Web内容挖掘分为文本挖掘和多媒体挖掘。Web结构挖掘的目标是Web文档的链接结构，目的在于揭示蕴含于文档结构中的信息，主要方法是通过对Web站点的结构进行分析、变形和归纳，将Web页面进行分类，以利于信息的搜索。结构挖掘的重点在于链接信息。Web使用挖掘是从服务器访问日志、用户策略、用户对话和事物处理信息中得到用户的访问模式和感兴趣的信息，利用这种方法，可以获知Web使用者的行为偏好，从而预测其行为。
（二）Web挖掘过程
Web数据挖掘依然遵循数据挖掘的研究思路，挖掘过程分为四个阶段：数据收集、数据预处理、模式发现和模式分析（如图1所示）[3]。
1.数据收集。网络信息的收集是网络舆情监测的源头，其广度和深度决定了监测效果。对于明确主题的舆情信息采集，可以采用搜索引擎方法。由于各个现存搜索引擎索引数据库的构造方法不同，其索引数据不尽完整，所以应将多个单搜索引擎搜索结果进行整合、调用、控制和优化。搜索中可以以宽度优先、深度优先或启发方式循环地在互联网中发现相关信息，可将网络空间按域名、IP地址或国别域名划分为独立子空间详细搜索；或以信息类型为划分，如HTML格式、XML格式、FTP文件、Word文档、newsgroup文章和各种音、视频文件等。舆情信息检索结果可按不同维度展现，包括按内容分类、舆情分类、相关人物、相关机构、相关地区、正负面分类等。每个维度下把搜索结果自动分类统计展示，以便短时间内检索到精确信息。
2.数据预处理。因原始Web访问数据的文件格式是半结构化的，包含不完整、冗余、错误的数据，需进行提取、分解、合并，转化为适合挖掘的格式，保存到关系型数据库表或数据仓库中，等待进一步处理。数据预处理可改进数据质量，提高后续舆情挖掘过程的精度和性能。对采集到的舆情进行初步加工处理，如格式转换、数据清理、数据统计，对于新闻评论，需过滤无关信息，保存新闻标题、出处、时间、内容、点击次数、评论人、评论内容和评论数量等。对于论坛，需记录帖子的标题、发言人、时间、内容、回帖内容、回帖数量等，最后形成格式化信息。条件允许时甚至可直接对网站服务器的数据库进行操作。
3.模式发现。利用数据挖掘的算法可发现用户聚类、页面聚类、频繁访问页组、频繁访问路径等隐藏的用户访问模式。若在挖掘用户浏览模式过程中发现选择的数据或属性有偏差，或挖掘技术达不到预期结果，需根据反馈结果不断重复以上过程，通过数据挖掘，创建和更新用户模式库。模式发现可应用许多相关领域的方法，但需针对Web数据挖掘的特点做出相应的改进。
统计分析。通过分析会话文件，可对页视图、浏览时间和浏览路径长度进行各种不同的描述性统计分析（频繁访问页、频率、均值、中间值和访问量的时间分布等），提高网络舆情挖掘的效率和质量。