政府工作輿情監(jiān)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)

何　健

?

政府工作輿情監(jiān)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)

何健

摘 要：隨著社交網(wǎng)絡(luò)和社會(huì)媒體等互聯(lián)網(wǎng)應(yīng)用服務(wù)迅猛發(fā)展，越來越多的人通過互聯(lián)網(wǎng)發(fā)布信息和表達(dá)觀點(diǎn)，用戶的瀏覽、關(guān)注、轉(zhuǎn)發(fā)、評(píng)論等行為在互聯(lián)網(wǎng)空間留下了豐富的數(shù)字足跡，用戶的所言所行積累下了豐富的網(wǎng)絡(luò)大數(shù)據(jù)。利用網(wǎng)絡(luò)大數(shù)據(jù)，篩選出對(duì)政府工作的觀點(diǎn)信息，并對(duì)觀點(diǎn)進(jìn)行傾向性分析，得出公眾對(duì)政府工作的真實(shí)態(tài)度，可以有效地了解民意，并且根據(jù)可靠反應(yīng)來對(duì)政府工作進(jìn)行相應(yīng)的調(diào)整和改善，最終達(dá)到為政府提供有效準(zhǔn)確信息，提高公眾對(duì)其滿意度。

關(guān)鍵詞：輿情監(jiān)測(cè)；爬蟲系統(tǒng)；傾向性分析

0　引言

20世紀(jì)后半頁以來，計(jì)算機(jī)迅速發(fā)展并高度普及，隨之而來的是互聯(lián)網(wǎng)及其相關(guān)技術(shù)的迅猛發(fā)展。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的2015年度《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》[1]顯示，截至2015年6月，我國網(wǎng)民規(guī)模達(dá)6.68億，互聯(lián)網(wǎng)普及率為48.8%。隨著越來越多的人使用互聯(lián)網(wǎng)，大量的社區(qū)和群眾言論性的網(wǎng)站興起，越來越多的人開始通過網(wǎng)絡(luò)發(fā)表對(duì)政府工作和政府部門的言論。

利用信息化技術(shù)建立政府工作滿意度的輿情監(jiān)測(cè)系統(tǒng)，政府部門可以清楚知道百姓對(duì)政府的意見和建議，了解哪些方面的工作做得很好，哪些方面還有不足，以便及時(shí)調(diào)整自己的治理方案，提高執(zhí)政效率；同時(shí)，由于互聯(lián)網(wǎng)傳播的匿名性、即時(shí)性、互動(dòng)性、海量性、廣泛性等特性，導(dǎo)致網(wǎng)絡(luò)上不可避免的經(jīng)常會(huì)出現(xiàn)一些不良言論，也要對(duì)這些言論進(jìn)行監(jiān)督，防止惡意言論的散播。然而，網(wǎng)絡(luò)上的信息紛繁復(fù)雜，微博、論壇等可言論式的網(wǎng)站數(shù)不勝數(shù)，所以需要一個(gè)智能系統(tǒng)，能夠及時(shí)的獲取與政府相關(guān)的網(wǎng)絡(luò)輿情信息，能夠辨別出獲取到的輿情信息的褒貶情況，并以圖形化的形式立體、客觀的展示給政府。

1　相關(guān)工作和研究現(xiàn)狀

1.1 相關(guān)概念

網(wǎng)絡(luò)輿情，指的是一定的時(shí)間段內(nèi)，人們對(duì)與自身利益相關(guān)事件發(fā)表的各種觀點(diǎn)、看法、建議的集中呈現(xiàn)，它是人們的認(rèn)知、態(tài)度、情感和行為傾向的原初表露，可以是一種零散的，非體系化的東西，也不需要得到多數(shù)人認(rèn)同，是多種不同意見的簡(jiǎn)單集合。而所謂網(wǎng)絡(luò)輿情，則是借助互聯(lián)網(wǎng)這個(gè)載體產(chǎn)生并得到傳播的輿情。由于媒介是互聯(lián)網(wǎng)，其傳播具有匿名性、即時(shí)性、互動(dòng)性、海量性、廣泛性等特征，網(wǎng)絡(luò)輿情比普通輿情更變幻莫測(cè)，也更容易朝不良的方向發(fā)展，所以更需要得到及時(shí)、有效的監(jiān)控，使其向良性轉(zhuǎn)換。

輿情監(jiān)測(cè)系統(tǒng)，通過整合互聯(lián)網(wǎng)信息采集技術(shù)、信息智能處理技術(shù)等對(duì)互聯(lián)網(wǎng)輿情信息進(jìn)行跟蹤和監(jiān)控的系統(tǒng)。監(jiān)測(cè)系統(tǒng)首先需要對(duì)發(fā)表和傳播在互聯(lián)網(wǎng)上的新聞、專題、評(píng)論、論壇、主貼、回帖、博客、貼吧等多種信息進(jìn)行數(shù)據(jù)采集[1]。然后，對(duì)獲得的所有信息，根據(jù)用戶設(shè)定的中心詞，針對(duì)重點(diǎn)關(guān)鍵詞和摘要，進(jìn)行智能化分析和處理，分析其中的正反褒貶程度[2]，從而對(duì)網(wǎng)絡(luò)上的各方面信息進(jìn)行跟蹤和監(jiān)測(cè)。在提取與事件相關(guān)的輿情信息后，通過各種語言分析算法，得出最終的輿情分析結(jié)果。輿情監(jiān)測(cè)系統(tǒng)可以為政府機(jī)構(gòu)、其他客戶決策層提供全面的網(wǎng)絡(luò)輿情動(dòng)態(tài)，為用戶做出正確輿論引導(dǎo)，提供分析依據(jù)。

1.2 政府工作輿情監(jiān)測(cè)研究現(xiàn)狀

互聯(lián)網(wǎng)越來越廣泛的普及，我國各級(jí)政府信息化意識(shí)大大提高，政府網(wǎng)站建設(shè)速度明顯加快，各級(jí)地方政府都擁有了自己的門戶網(wǎng)站，逐漸將大量的政府工作相關(guān)信息發(fā)布到網(wǎng)絡(luò)上，逐步提高政府職能部門的工作透明度，并主動(dòng)采集的公眾意見，用戶可以在該網(wǎng)站上提出自己對(duì)政府工作的看法，同時(shí)可以查看到政府工作人員對(duì)自己言論的反饋信息。

這類網(wǎng)站雖然有采集公眾輿論的功能，但是有兩個(gè)明顯的缺陷：第一，百姓需要登陸到固定的網(wǎng)站才能發(fā)表意見；第二，發(fā)表言論的形式非常固定，百姓并不能百分百的自由發(fā)表言論。單單依靠這些網(wǎng)站，是不足以全面的采集百姓意見的。同時(shí)，如果有惡意言論，這類型的網(wǎng)站也基本不能監(jiān)測(cè)到。所以，我們還需要另一種形式的網(wǎng)站進(jìn)行更好的采集和監(jiān)測(cè)，這就是輿情監(jiān)測(cè)系統(tǒng)。

2　輿情監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

政府工作輿情監(jiān)測(cè)系統(tǒng)是一個(gè)從互聯(lián)網(wǎng)數(shù)據(jù)挖掘、分析、生成報(bào)告的整體系統(tǒng)，系統(tǒng)運(yùn)行過程涉及到大量數(shù)據(jù)的分析、處理和裝換。通過網(wǎng)頁爬蟲對(duì)互聯(lián)網(wǎng)大量信息進(jìn)行獲取，并通過聚類技術(shù)和傾向性分析，歸納民眾對(duì)政府工作的觀點(diǎn)，最后由輿情匯報(bào)系統(tǒng)進(jìn)行顯示。

系統(tǒng)的基本框架圖，如圖1所示：

圖1　大規(guī)模突發(fā)事件決策支持系統(tǒng)架構(gòu)圖

圖1共分為3個(gè)模塊：輿情采集模塊、輿情分析模塊、輿情匯報(bào)模塊。

2.1 輿情采集模塊

數(shù)據(jù)采集處于輿情監(jiān)測(cè)系統(tǒng)最基礎(chǔ)的部分，根據(jù)政府部門所提供的語料（例如：時(shí)間、地點(diǎn)、組織、人物、事件），利用網(wǎng)頁爬蟲技術(shù)，從主流的新聞、論壇、微博、社交網(wǎng)絡(luò)等關(guān)鍵領(lǐng)域的數(shù)據(jù)進(jìn)行采集，獲取大量的互聯(lián)網(wǎng)輿論信息，作為分析監(jiān)控的信息源。一般網(wǎng)頁存在廣告等不相關(guān)的大量數(shù)據(jù)，利用網(wǎng)頁去噪技術(shù)剔除網(wǎng)頁噪音。網(wǎng)頁的鏈接容易得到重復(fù)的URL地址，且不同的網(wǎng)頁可能收到的信息都是大同小異的，因此需要利用網(wǎng)頁去重技術(shù)，對(duì)網(wǎng)頁以及正文標(biāo)題信息進(jìn)行去重。

2.2 輿情分析模塊

對(duì)采集到的信息進(jìn)行抽取分析歸納，分析出網(wǎng)民對(duì)該事件持有的態(tài)度和情緒，甚至得到對(duì)該事件的某個(gè)主題的態(tài)度和情緒。以便政府更好地獲悉群體對(duì)該事件的傾向，趨勢(shì)走向。

數(shù)據(jù)預(yù)處理：對(duì)采集到的信息進(jìn)行預(yù)處理，如格式轉(zhuǎn)換、數(shù)據(jù)清理，數(shù)據(jù)統(tǒng)計(jì)。對(duì)于新聞評(píng)論，需要濾除無關(guān)信息，保存新聞的標(biāo)題、出處、發(fā)布時(shí)間、內(nèi)容、點(diǎn)擊次數(shù)、評(píng)論人、評(píng)論內(nèi)容、評(píng)論數(shù)量等。對(duì)于論壇BBS，需要記錄帖子的標(biāo)題、發(fā)言人、發(fā)布時(shí)間、內(nèi)容、回帖內(nèi)容、回帖數(shù)量等，最后形成格式化信息。條件允許時(shí)，可直接針對(duì)服務(wù)器的數(shù)據(jù)庫進(jìn)行操作。

分類/聚類：通常，人們會(huì)從不同方面來評(píng)價(jià)一個(gè)事件。那么，事件的評(píng)價(jià)信息中就包含了多個(gè)評(píng)價(jià)主題。因此將采集下來的大量輿情信息進(jìn)行自動(dòng)分類管理，并通過智能分析組件，將文本內(nèi)容相似的評(píng)論，聚合成不同的類別，并給出精確的類別主題詞[3]，一方面有助于進(jìn)一步的面向主題的傾向性分析，另一方面有助于把握網(wǎng)絡(luò)傳播的主題和趨勢(shì)。

面向主題的傾向性分析：傾向性分析是系統(tǒng)能夠?qū)浨樾畔㈥U述的觀點(diǎn)以及網(wǎng)民對(duì)該輿情信息發(fā)表的評(píng)論言辭進(jìn)行褒貶傾向分析。聚類后得到不同主題的輿情信息，在此基礎(chǔ)上分析各類主題的傾向性狀況。因此，面向主題的傾向性分析是對(duì)事件各方面的特征都能給出一個(gè)綜合性的傾向性分析。

主題跟蹤及傳播鏈分析：針對(duì)某一個(gè)負(fù)面熱點(diǎn)話題的信息量、來源、轉(zhuǎn)載量、地域分布、信息發(fā)布者等相關(guān)元素進(jìn)行跟蹤，并最終根據(jù)主題輿情的傳播路徑及熱點(diǎn)變化形成傳播鏈分析圖[4]，展示信息最早從什么網(wǎng)站發(fā)出，由什么網(wǎng)站進(jìn)行轉(zhuǎn)載，最終形成熱點(diǎn)輿情是在什么時(shí)間什么網(wǎng)站等。以便政府工作人員能有效找到發(fā)布源頭，及時(shí)制止惡意言論。

趨勢(shì)分析：在熱度分析、主題跟蹤及傳播鏈分析技術(shù)的基礎(chǔ)上，系統(tǒng)能夠?qū)δ硞€(gè)輿情事件進(jìn)行長時(shí)間的跟蹤監(jiān)控，并依據(jù)長時(shí)間分析的結(jié)果，輔以地理區(qū)域分布、網(wǎng)站類型分布，探測(cè)輿情的演變趨勢(shì)。

2.3 輿情匯報(bào)模塊

通過前面輿情分析和處理，系統(tǒng)已經(jīng)得到了互聯(lián)網(wǎng)輿情文本的褒貶情感分析結(jié)果。數(shù)據(jù)匯報(bào)系統(tǒng)通過定量和定性的方式，為決策者呈現(xiàn)一份清晰、明確的以政府工作為中心的系統(tǒng)報(bào)告。

輿情預(yù)警先建立一系列敏感詞表，當(dāng)分析后的輿情信息的敏感詞權(quán)重超過一定閥值后，系統(tǒng)自動(dòng)觸發(fā)輿情預(yù)警機(jī)制。輿情預(yù)警方式有桌面預(yù)警、短信預(yù)警、郵件預(yù)警等提醒輿情分析人員。繼而引入人工干預(yù)，啟動(dòng)政府應(yīng)急方案。

決策者也可通過瀏覽器瀏覽，提供信息檢索功能，根據(jù)指定條件對(duì)熱點(diǎn)話題、傾向性進(jìn)行查詢，并瀏覽信息的具體內(nèi)容，提供決策支持。

3　輿情監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn)

3.1 信息采集模塊實(shí)現(xiàn)

輿情信息采集，主要運(yùn)用網(wǎng)頁爬蟲，從主流的社交、新聞網(wǎng)站獲取大量互聯(lián)網(wǎng)輿論信息作為分析監(jiān)控的信息源。

對(duì)于互聯(lián)網(wǎng)數(shù)據(jù)的固有訪問格式，為人們所熟知的URL （Uniform Resource Locator）統(tǒng)一資源定位。一般的訪問步驟是：通過DNS獲取相應(yīng)域名的IP地址，連接相關(guān)端口（默認(rèn)為80端口），獲取網(wǎng)頁信息，以固定字符串結(jié)束訪問。系統(tǒng)實(shí)現(xiàn)網(wǎng)頁爬蟲需要考慮兩個(gè)問題，首先是，網(wǎng)頁信息爬取不能像圖書館數(shù)目檢索那樣提前獲得一個(gè)所有URL的目錄，所以需要從已有的URL中獲取新的URL，并循環(huán)往復(fù)的進(jìn)行下載。另一方面，網(wǎng)頁信息是不斷變換更新，這要求爬蟲根據(jù)一定的周期進(jìn)行重復(fù)多次的爬取。

互聯(lián)網(wǎng)信息量太過巨大，需要使用一定的策略獲取重要性較高的頁面。目前主要有3種主流的網(wǎng)頁搜索策略：深度優(yōu)先、廣度優(yōu)先、最佳優(yōu)先。輿情監(jiān)測(cè)系統(tǒng)的信息抓取模塊采用了廣度優(yōu)先搜索原則，即從起始網(wǎng)頁開始，抓取其中所有鏈接的網(wǎng)頁，然后從中選擇一個(gè)，繼續(xù)抓取該網(wǎng)頁中的所有鏈接頁面。據(jù)統(tǒng)計(jì)，互聯(lián)網(wǎng)的實(shí)際深度最大能達(dá)到17層，網(wǎng)頁之間四通八達(dá)，深度優(yōu)先獲得的數(shù)據(jù)太大。另外，廣度優(yōu)先策略有利于多個(gè)爬蟲并行爬取。

廣度優(yōu)先策略的優(yōu)點(diǎn)在于其設(shè)計(jì)和實(shí)現(xiàn)相對(duì)簡(jiǎn)單，且這種策略的基本思想是：與種子在一定距離內(nèi)的網(wǎng)頁重要度較高，符合實(shí)際。廣度優(yōu)先策略還可以與網(wǎng)頁過濾技術(shù)結(jié)合，即先用廣度優(yōu)先抓取一些網(wǎng)頁，再將其中與主題無關(guān)的過濾掉。

3.2 輿情分析模塊實(shí)現(xiàn)

對(duì)關(guān)注的主題（如人物、事件等）進(jìn)行情感傾向性分析，即以主題為研究對(duì)象，從Web情感資源中找到與該主題相關(guān)的情感信息，進(jìn)行傾向性分析。為了進(jìn)行面向主題的傾向性分析，滿足情感傾向性分析的實(shí)際需求，本實(shí)驗(yàn)從面向主題的領(lǐng)域情感詞典構(gòu)建、面向主題的觀點(diǎn)檢索、面向主題的傾向性分析3方面開展研究。

3.2.1 面向主題的領(lǐng)域情感詞典構(gòu)建

情感傾向性分析具有極強(qiáng)的領(lǐng)域依賴性，一方面是因?yàn)椴煌I(lǐng)域表達(dá)情感的用詞不同，另一方面是因?yàn)橥磺楦性~在不同領(lǐng)域可能情感不同；此外，不同領(lǐng)域常出現(xiàn)一些新詞表達(dá)。因此，建立面向主題的領(lǐng)域情感詞典對(duì)觀點(diǎn)分析至關(guān)重要。我們首先進(jìn)行領(lǐng)域新詞發(fā)現(xiàn)，然后基于這些新詞確定情感詞，并基于通用情感詞典確定領(lǐng)域情感詞典的傾向性，從而建立面向主題的領(lǐng)域情感詞典。

（1）新詞發(fā)現(xiàn)

從語料出發(fā)，采用統(tǒng)計(jì)方法進(jìn)行新詞、流行短語發(fā)現(xiàn)，不需要額外詞庫或者深層次語言學(xué)知識(shí)，具有廣泛的適用性。具體而言，我們首先基于語料構(gòu)建后綴樹，并按一定閾值進(jìn)行詞頻過濾，得到頻繁串集。然后對(duì)各個(gè)頻繁串分別計(jì)算左右條件信息熵、互信息、類短語單元幾率比及位置成詞概率等統(tǒng)計(jì)值。這些統(tǒng)計(jì)值分別從不同角度度量頻繁串的成詞概率，例如，左（右）條件信息熵反映頻繁串的左（右）鄰接字的混雜程度，混雜程度越高，表明是詞邊界可能性越大，因而頻繁串的成詞概率也越高。對(duì)于頻繁串 FRE_s中的字si,它的左字集為{a1,a2,…as}，右字集為{b1,b2,…bt}，則它的左、右條件信息熵分別計(jì)算如下：

其中N ∑Count aisi, M ∑Count sibi, Count(si) 是si出現(xiàn)次數(shù)。

（2）領(lǐng)域情感詞典構(gòu)建

基于大規(guī)模語料和通用情感詞典，采用逐點(diǎn)互信息、馬爾科夫隨機(jī)行走和情感話題聯(lián)合模型等方法分別發(fā)現(xiàn)潛在情感詞，并對(duì)這幾個(gè)方法結(jié)果進(jìn)行匯總，得到最終的領(lǐng)域情感詞典。利用馬爾科夫隨機(jī)行走過程，我們可以充分利用全局性詞關(guān)系信息，而不僅僅是候選詞跟種子詞的局部 PMI信息，來克服數(shù)據(jù)稀疏性問題，從而獲得更可靠準(zhǔn)確的情感分值。利用逐點(diǎn)互信息構(gòu)建詞關(guān)系圖，然后利用該圖上的馬爾科夫隨機(jī)行走過程，分別計(jì)算從候選詞到正、負(fù)面種子詞集的撞擊時(shí)間（Hitting Time），來估計(jì)它們的情感得分。根據(jù)情感分值，我們得到候選詞的語義傾向性及其可信度，我們按照可信度對(duì)候選情感詞進(jìn)行排序，挑選排序靠前的加入情感詞典。

3.2.2 面向主題的觀點(diǎn)檢索

為進(jìn)行面向主題的觀點(diǎn)分析，還需得到該主題相關(guān)的觀點(diǎn)語料，這就需要進(jìn)行面向主題的觀點(diǎn)檢索。面向主題的觀點(diǎn)分析問題要求檢索回的文檔同時(shí)滿足兩項(xiàng)準(zhǔn)則：（1）主題相關(guān)；（2）具有傾向性[5]。將這一問題分成主題識(shí)別、情感識(shí)別、主題與情感關(guān)聯(lián)這3個(gè)方面內(nèi)容，并分別采用主題詞識(shí)別模型來識(shí)別主題，采用基于語料庫或者詞典的方法識(shí)別情感數(shù)據(jù)，采用基于規(guī)則或者模板的方法將主題與相應(yīng)情感數(shù)據(jù)關(guān)聯(lián)。

3.2.3 面向主題的情感傾向性分析

通過面向主題的觀點(diǎn)檢索模型得到主題相關(guān)的Web情感資源后，需要一個(gè)對(duì)該主題相關(guān)情感數(shù)據(jù)進(jìn)行傾向性分析的模型[6]。情感詞對(duì)文本的傾向性分析致關(guān)重要，因此可以利用構(gòu)建的情感詞典來進(jìn)行傾向性分析。我們利用主題相關(guān)文本與主題相關(guān)的情感詞典中褒義、貶義情感詞的加權(quán)關(guān)聯(lián)關(guān)系，來判斷目標(biāo)主題文本的情感類別。

建立領(lǐng)域情感詞典后，我們得到一個(gè)正面情感詞集POS和一個(gè)負(fù)面情感詞集 NEG。然后，我們利用文本和詞的統(tǒng)計(jì)關(guān)系計(jì)算每個(gè)目標(biāo)領(lǐng)域文本的情感分：

因此，根據(jù)情感分就能夠完成面向主題的傾向性分析。

4　總結(jié)

科技日新月異，計(jì)算機(jī)技術(shù)高速發(fā)展、互聯(lián)網(wǎng)信息高度繁榮。政府機(jī)構(gòu)，肩負(fù)著維護(hù)社會(huì)安全穩(wěn)定，維護(hù)社會(huì)秩序正常運(yùn)行的歷史重任，這就要求我們政府機(jī)構(gòu)，在新的時(shí)代背景下，必須要重視網(wǎng)絡(luò)輿情引導(dǎo)工作。避免或減輕網(wǎng)絡(luò)不良信息的蔓延和爆發(fā)，積極主動(dòng)實(shí)施干預(yù)，使網(wǎng)絡(luò)輿情朝著利于社會(huì)穩(wěn)定、社會(huì)團(tuán)結(jié)的方向發(fā)展。積極主動(dòng)的進(jìn)行輿情監(jiān)測(cè)，有利于合理疏導(dǎo)民意、樹立良好口碑、構(gòu)建和諧社會(huì)、維護(hù)穩(wěn)定大局。本文針對(duì)政府工作建立的輿情監(jiān)測(cè)體系，實(shí)現(xiàn)對(duì)互聯(lián)網(wǎng)輿情信息的辨識(shí)監(jiān)測(cè)，通過擴(kuò)充情感詞詞庫、調(diào)整情感詞匯權(quán)重值、進(jìn)行大量人工訓(xùn)練等途徑對(duì)其進(jìn)行優(yōu)化，提高了情感識(shí)別的準(zhǔn)確性。

參考文獻(xiàn)

[1] 謝國強(qiáng), 藍(lán)立新. 基于Web的網(wǎng)絡(luò)爬蟲技術(shù)研究[J].科教文匯, 2008(42): 198?199.

[2] 劉楠. 面向微博短文本的情感分析研究[D]. 武漢大學(xué), 2013.

[3] 龔靜, 李安民. 一種改進(jìn)的k?means中文文本聚類算法[J].湖南工業(yè)大學(xué)學(xué)報(bào), 2008(2): 52?54.

[4] 張其文, 李明. 文本主題的自動(dòng)提取方法研究與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì), 2006, 27(15): 2744-2746.

[5] Huang X, Croft W B. A unified relevance model for opinion retrieval[C]//Proceedings of the 18th ACM conference on Information and knowledge management.AC -M, 2009:947-956.

[6] 樊娜, 蔡皖東, 趙煜. 中文文本情感主題句分析與提取研究[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(4): 1171-1173.

中圖分類號(hào)：TP311

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-757X(2016)07-0053-03

收稿日期：（2016.02.15）

作者簡(jiǎn)介：何 健（1989-），女，復(fù)旦大學(xué)軟件學(xué)院，復(fù)旦大學(xué)公共績(jī)效與信息化研究中心，碩士研究生，研究方向：電子商務(wù)與電子政務(wù)，上海，201203

Research and Implementation of Government Work Public Opinion Monitoring System

He Jian
(Software School of Fudan University, Public Performance and Information Research Center, Fuan University, Shanghai 201203, China)

Abstract:With the rapid development of social network and social media websites, numerous users begin to delivery information and opinions on Internet. Huge Web data is accumulated， recording users’ behaviors and public opinions， e.g， comments， browsing behaviors, forwarding behaviors, and social relationships. Therefore, selecting the public views on a public policy, and then analyzing the sentimental orientation, can help to learn effective understanding of the public opinion, and to adjust and improve public policy according to the reliable reaction, in the end to provide the government with the purpose of effective information, and help improve public satisfaction.

Key words:Public Opinion Monitoring; Crawler System; Sentimental Orientation