高校網(wǎng)絡輿情監(jiān)控預警系統(tǒng)的設(shè)計與構(gòu)建

摘 要：針對高校傳統(tǒng)輿情監(jiān)控與預警手段的不足，本文設(shè)計構(gòu)建了一個基于中文信息處理與挖掘技術(shù)的高校網(wǎng)絡輿情監(jiān)控預警系統(tǒng)，系統(tǒng)結(jié)合相關(guān)技術(shù)實現(xiàn)了互聯(lián)網(wǎng)信息的采集、識別分析、熱點推送與預警功能，為高校監(jiān)測和解決公共危機和熱點事件提供了技術(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)計構(gòu)建了高校網(wǎng)絡輿情監(jiān)控預警系統(tǒng)，實現(xiàn)了熱點話題的推送與跟蹤，輿情內(nèi)容的篩選和判定，以及公共危機和熱點事件的檢測預警功能。

2 系統(tǒng)功能設(shè)計分析

高校網(wǎng)絡輿情監(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等進行24小時監(jiān)控，隨時采集話題性強、時效性新的各類消息和意見，在對收集到的數(shù)據(jù)進行格式轉(zhuǎn)換、內(nèi)容清洗過濾、關(guān)鍵詞提取等預處理后，利用文本分類、聚類等方法對處理后得到的輿情信息進行分析、挖掘，實現(xiàn)熱點信息的發(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)果反饋上報給高校網(wǎng)絡監(jiān)管人員，以幫助他們及早發(fā)現(xiàn)輿情信息，實現(xiàn)對高校重大輿情事件的及時響應。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，并且獲得當前網(wǎng)頁的全部鏈接URL放到有序的待采集隊列里。完成初始頁面的抓取后，輿情信息采集模塊依次取出隊列中的URL，在抓取網(wǎng)頁內(nèi)容的同時，獲取它所指向的鏈接URL放到待采集的隊列里。上述過程一直循環(huán)，直到整個網(wǎng)站的全部網(wǎng)頁都被采集完為止。

2.2 信息預處理

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)較為復雜，難以直接處理。因此，信息預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、導航、廣告和版權(quán)說明等噪聲信息去噪，達到在Web頁面中劃分出精確的信息單位的目的，然后通過內(nèi)容提取將復雜的Web數(shù)據(jù)格式轉(zhuǎn)化成具有固定模式、操作性強的信息。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)計的分詞方法，其中，基于統(tǒng)計的分詞方法具備識別能力強、分詞準確率高及便于實施等優(yōu)勢，更適合網(wǎng)絡輿情監(jiān)控預警系統(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處理的輿情數(shù)據(jù)信息進行分析、挖掘，以實現(xiàn)熱點信息和敏感話題的發(fā)現(xiàn)、跟蹤。

熱點信息發(fā)現(xiàn)的算法本質(zhì)上屬于文本聚類算法，其實現(xiàn)目的是通過對預處理的文檔按照話題進行聚類，以獲取聚類中心，也就是輿情熱點。熱點事件跟蹤是為方便用戶跟蹤自己所關(guān)心的熱點事件而進行的操作，首先由用戶將已獲得的熱點樣本信息以系統(tǒng)學習的方式交給系統(tǒng)，然后系統(tǒng)通過文本挖掘技術(shù)對不斷獲取的信息進行分類，判斷其是否為用戶感興趣的內(nèi)容。在判斷的同時，系統(tǒng)也通過用戶的反饋信息不斷地修正系統(tǒng)的學習算法，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、評論觀點對立度等相關(guān)因素統(tǒng)計某個主題在不同的時間段內(nèi)被人們所關(guān)注的程度。如果參與討論某個話題的學生數(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，就會觸發(fā)預警系統(tǒng)。

2.4 輿情預警上報

輿情預警與上報模塊的主要功能為：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)絡監(jiān)管人員；針對某一網(wǎng)絡輿情信息，系統(tǒng)將其安全級別劃分為安全、較安全、臨界、較危險、危險等五個級別，必要時系統(tǒng)將對危險事件自動觸發(fā)預警機制。監(jiān)管人員通過輿情信息的直觀展示和預警提醒對熱點話題和敏感信息實施在線分析，確定輿情在網(wǎng)站中的發(fā)展變化，以達到及早發(fā)現(xiàn)、及時響應高校重大輿情事件的目的。

3 總結(jié)

為充分利用高校網(wǎng)絡輿情信息，全面了解和正確引導高校學生的思想言論，本文設(shè)計構(gòu)建了高校網(wǎng)絡輿情監(jiān)控預警系統(tǒng)，在采集和預處理相關(guān)網(wǎng)頁信息后，實現(xiàn)熱點與敏感話題的推送與跟蹤，并進一步分析判定輿情內(nèi)容的觀點與安全級別，這對及時采取有效措施干預高校重大事件，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]

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

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