摘要：[目的]从海量微博舆情信息中准确、高效地发现和挖掘当下的热点主题,以期为政府和企业监控和管理舆情动态提供有价值的参考.[方法]研究首先从维度、特征和度量三方面综合考虑构建"帖子—主题"二模网络模型,其次选择词频、主题权重和词频增长率3个特征来抽取模型所需的有效关键词,然后选取社会网络分析法中的社区发现方法进行基于关键词的主题社区发现,最后综合考虑用户影响力和传播影响力两个属性,通过热度分析确立主题热度,识别热点主题.[结果]实验表明,该方法能有效挖掘网络舆情中的热点主题,检测出的主题结果均正确,验证了本文方法的可行性和有效性.在此基础上,研究还选取实例进一步对主题的热度迁移和情感倾向进行了分析,具备一定的预警作用.

摘要：通过识别海量中文微博文本观点句的情感倾向,能挖掘用户对某事件或产品持有的个人立场.为了找到更适合观点句倾向性识别的特征与模型,本文在分析微博观点句特征基础上,使用句式特征、句内特征以及隐性特征三类特征,借助于SVM模型对微博进行主客观识别;然后以主观句作为语料,从情感特征、词性特征、句式特征与句间特征四个角度来表示微博,最后利用SVM模型进行观点句的褒义、贬义、褒义贬义混合的情感倾向性分析.该方法在COAE2015 Task2“微博观点句识别”评测结果中取得较好的效果,微平均评估上,准确率达到了74.01％,召回率达到了71.61％,F值为72.79％,综合排名第二,测评结果验证了本文提出的方法有效且具有可行性.

摘要：随着WEB2.0的到来，网络迅速的成为了当下热点主题产生、演变的快速聚集、传播的重要渠道。如何有效的识别网络平台上的热点主题是当前数据挖掘领域的热点研究方向之一。但是，草根性的用户群、便利性的使用、及时性的信息发布、独特的互动方式以及碎片化的信息内容都使得主题容易被恶意传播，给国家安全和社会稳定带来极大的隐患。因此从海量网络舆情信息中准确而高效地识别和挖掘热点主题具有重要的现实和科学意义，不仅可以帮助用户及时的获取准确的热点主题资讯，还能够协助政府部门实时把控热点主题的发展态势，合理地控制和引导舆论发展方向。
　　网络信息平台主要为媒体型平台和用户型平台两方面，媒体型平台主要是新闻网站、影音网站、搜索网站等;用户型平台主要为博客、微博、邮件等等，无论是哪种平台，都会充斥着海量的垃圾信息数据，给热点主题的识别带来极大的困难。本文通过分析网络舆情信息的内容、热度及情感倾向，结合数据的特征，对主题的识别和主题的热度度量进行了深入研究。首先综合考量两平台的基础结构及文本特征，进行数据预处理，包括分词、清洗、噪声过滤等;其次，从维度、特征和度量三方面综合考虑，构建主题指标体系，建立“帖子——主题”的二模网络模型;再者，根据模型所需的有效关键词进行关键词抽取研究，选择词频、话题权重及词频增长率三个特征来筛选关键词;然后，选择社区发现算法中的凝聚法做主题社区发现，以关键词为节点，关键词的共现情况为边;最后，通过用户影响力及传播影响力的双重度量确立主题的热度，进行热点主题识别，同时进行主题的热度迁移及情感倾向分布研究。