支丹萍 何鎵

摘 要：該文首先從宏觀和微觀兩個(gè)角度分析了當(dāng)前網(wǎng)絡(luò)環(huán)境下輿情事件的特點(diǎn)，然后簡(jiǎn)單分析了網(wǎng)絡(luò)輿情事件的熱點(diǎn)識(shí)別方法，詳細(xì)說(shuō)明了幾種不同的輿情事件熱點(diǎn)算法，最后對(duì)幾種算法進(jìn)行了對(duì)比分析，對(duì)實(shí)際網(wǎng)絡(luò)輿情事件的科學(xué)有效分析具有非常重要的意義。

關(guān)鍵詞：網(wǎng)絡(luò)輿情事件 熱點(diǎn) 發(fā)現(xiàn)算法 比較分析

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）06（c）-0217-01

網(wǎng)絡(luò)輿情事件由于主要通過(guò)網(wǎng)絡(luò)傳播，而網(wǎng)絡(luò)也是一個(gè)公眾性極為突出的平臺(tái)，因此對(duì)于其發(fā)生的輿情事件的分析也能夠非常容易的通過(guò)數(shù)據(jù)運(yùn)算實(shí)現(xiàn)。網(wǎng)絡(luò)輿情事件雖然傳播于網(wǎng)絡(luò)，但一般仍然是以現(xiàn)實(shí)社會(huì)為基礎(chǔ)所產(chǎn)生的，因此其現(xiàn)實(shí)意義也非常重要，通過(guò)對(duì)網(wǎng)絡(luò)上的輿情發(fā)生和走向分析，能夠從一定程度上反映出社會(huì)中的實(shí)際輿情走向。

1 網(wǎng)絡(luò)輿情事件分析

1.1 宏觀網(wǎng)絡(luò)輿情事件分析

宏觀角度分析輿情事件主要是指事件熱點(diǎn)或焦點(diǎn)程度，以及其在網(wǎng)絡(luò)輿論中造成的影響等。對(duì)網(wǎng)絡(luò)輿情事件的熱點(diǎn)數(shù)據(jù)分析，首先要明確宏觀性的輿情事件特點(diǎn)；其次有針對(duì)性的進(jìn)行其具體熱點(diǎn)數(shù)據(jù)分析，實(shí)現(xiàn)對(duì)整個(gè)事件輿論狀態(tài)及發(fā)展走向的整體分析。

1.2 微觀網(wǎng)絡(luò)輿情事件分析

微觀角度分析網(wǎng)絡(luò)輿情事件主要就是根據(jù)網(wǎng)絡(luò)上的事件點(diǎn)擊、轉(zhuǎn)發(fā)、討論人數(shù)等具體信息進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)、計(jì)算和分析，這種分析更加注重實(shí)際的網(wǎng)絡(luò)數(shù)據(jù)，雖然其結(jié)果更加具體化，但由于網(wǎng)絡(luò)信息量的龐大，其分析工作量也是同樣巨大的。

2 網(wǎng)絡(luò)輿情事件熱點(diǎn)識(shí)別與檢測(cè)

在網(wǎng)絡(luò)輿情事件的識(shí)別與檢測(cè)中，識(shí)別是一項(xiàng)相對(duì)比較簡(jiǎn)單的工作，根據(jù)具體的網(wǎng)絡(luò)事件熱度進(jìn)行簡(jiǎn)單分析就能夠判定出是否熱點(diǎn)事件，而輿情事件的熱點(diǎn)檢測(cè)是一項(xiàng)對(duì)具體數(shù)據(jù)要求較高的工作任務(wù)，因此需要有準(zhǔn)確的數(shù)據(jù)統(tǒng)計(jì)、計(jì)算和對(duì)比分析才能實(shí)現(xiàn)。另外輿情事件最大的特點(diǎn)就是變化性強(qiáng)，根據(jù)不同時(shí)期事件的發(fā)展變化走向，需要進(jìn)行同步信息和數(shù)據(jù)的掌握，才能夠隨時(shí)準(zhǔn)確的反映事件的熱點(diǎn)程度，從而全面的掌握網(wǎng)絡(luò)輿情走向。同時(shí)根據(jù)事件的多面性也要針對(duì)不同的事件反映或討論結(jié)果進(jìn)行多元化信息分析，對(duì)比結(jié)果或討論觀點(diǎn)的熱度走向等，進(jìn)而做出相應(yīng)的輿論干預(yù)策略。

3 網(wǎng)絡(luò)輿情事件熱點(diǎn)發(fā)現(xiàn)算法

3.1 single pass單程事件識(shí)別算法

這種算法是根據(jù)某一單獨(dú)事件或某一類事件進(jìn)行的相應(yīng)數(shù)據(jù)計(jì)算和分析，其分析所需要的數(shù)據(jù)有事件的關(guān)鍵字及其出現(xiàn)的頻率，有關(guān)事件的話題出現(xiàn)和查詢的頻率等。以Di表示某一話題，每個(gè)與話題相關(guān)的事件都作為一個(gè)向量，事件的熱點(diǎn)計(jì)算公式如下：

然后進(jìn)行信息的預(yù)處理對(duì)各項(xiàng)數(shù)據(jù)分類、過(guò)濾、識(shí)別、匹配，再根據(jù)其中的熱點(diǎn)數(shù)據(jù)進(jìn)行發(fā)現(xiàn)和運(yùn)算，將運(yùn)算結(jié)果作為未來(lái)的跟蹤對(duì)象，實(shí)施持續(xù)性的熱點(diǎn)數(shù)據(jù)統(tǒng)計(jì)與計(jì)算，最終完成對(duì)整個(gè)事件的熱點(diǎn)分析及評(píng)估。這種算法對(duì)于事件熱點(diǎn)的數(shù)據(jù)分析比較科學(xué)，同時(shí)算法也比較容易，是一種好操作的常用熱點(diǎn)事件計(jì)算方法之一。

3.2 KNN最鄰近事件分類識(shí)別算法

KNN最鄰近事件是指在某一熱點(diǎn)事件范圍內(nèi)，所出現(xiàn)的不同角度的各種話題，這種通過(guò)分類和對(duì)比的方法進(jìn)行的熱點(diǎn)事件運(yùn)算能夠?qū)Ξ?dāng)前熱點(diǎn)事件進(jìn)行全面、準(zhǔn)確的數(shù)據(jù)運(yùn)算，同時(shí)客觀的反映出事件不同話題的熱點(diǎn)程度，掌握整個(gè)事件在網(wǎng)絡(luò)中的輿論狀態(tài)。首先根據(jù)事件相關(guān)的各個(gè)話題進(jìn)行基本的搜尋；其次對(duì)不同的話題根據(jù)時(shí)間先后進(jìn)行劃分，并針對(duì)不同時(shí)期話題所出現(xiàn)的關(guān)鍵字及其數(shù)量、頻繁、類型等信息進(jìn)行統(tǒng)計(jì)分析，最終計(jì)算出其中最為相近的幾個(gè)話題，根據(jù)其熱點(diǎn)程度進(jìn)行由重到輕的分類和排序，最終實(shí)現(xiàn)對(duì)各個(gè)話題的全面分析。

3.3 SVM支持向量機(jī)事件識(shí)別算法

這種算法一般是針對(duì)同一時(shí)期的不同熱點(diǎn)事件進(jìn)行的熱點(diǎn)識(shí)別算法，由于網(wǎng)絡(luò)信息量的龐大，決定了在同一時(shí)間內(nèi)不可能僅僅有一個(gè)事件是熱點(diǎn)，如何針對(duì)這些同一時(shí)間內(nèi)的熱點(diǎn)事件進(jìn)行識(shí)別與熱點(diǎn)運(yùn)算，就是SVM算法能夠解決的問(wèn)題。通過(guò)函數(shù)算法能夠?qū)⑹录臒狳c(diǎn)計(jì)算更加精確，但是算法相對(duì)復(fù)雜，普遍應(yīng)用性稍差。

3.4 K-means平均值事件識(shí)別算法

根據(jù)網(wǎng)絡(luò)事件發(fā)生情況建立起K平均聚類的模型，計(jì)算不同話題與中心事件的距離為根本，來(lái)判定其熱點(diǎn)程度并根據(jù)結(jié)果實(shí)行相關(guān)的報(bào)道。具體的算法是，以某個(gè)話題中心為Di，以Ci表示不同事件，公式如下：

m是與話題相關(guān)事件文檔的數(shù)量。這種算法對(duì)于一些話題比較集中的熱點(diǎn)事件比較適用，難易程度相對(duì)較低，容易快速實(shí)現(xiàn)對(duì)事件的熱點(diǎn)數(shù)據(jù)分析。

3.5 SOM自組織映射事件識(shí)別算法

這種算法是一種非常容易實(shí)際運(yùn)用的事件熱點(diǎn)計(jì)算方法。首先針對(duì)最先出現(xiàn)的熱點(diǎn)事件進(jìn)行信息收集與提取，針對(duì)其熱點(diǎn)特征進(jìn)行基本的分析；其次建立起以些熱點(diǎn)為基礎(chǔ)的映射事件組織，根據(jù)隨時(shí)出現(xiàn)的相關(guān)話題或報(bào)道與熱點(diǎn)事件的關(guān)系，及出現(xiàn)的時(shí)間先后進(jìn)行事件的熱點(diǎn)分析和輿情走向分析，從而掌握事件的發(fā)展規(guī)律或發(fā)展方向。

4 網(wǎng)絡(luò)輿情事件熱點(diǎn)算法比較

single pass單程事件識(shí)別算法是最基本的事件熱點(diǎn)算法，它主要是針對(duì)網(wǎng)絡(luò)信息環(huán)境下事件不斷發(fā)展變化的特點(diǎn)所適合的熱點(diǎn)運(yùn)算方法，同時(shí)能夠很好的反映出事件的變化情況。

KNN最鄰近事件分類識(shí)別算法雖然運(yùn)算比較復(fù)雜，但其結(jié)果也是非常準(zhǔn)確的，缺點(diǎn)是對(duì)不同事件的存儲(chǔ)需求較高，信息的輸入、讀取的運(yùn)算復(fù)雜。

SVM支持向量機(jī)事件識(shí)別算法能夠以最安全、最精確的運(yùn)算識(shí)別出不同事件的熱點(diǎn)程度，但其復(fù)雜的運(yùn)算方法使其廣泛運(yùn)用受到限制。

K-means平均值事件識(shí)別算法能夠根據(jù)事件的基本發(fā)展情況和話題狀態(tài)進(jìn)行有效的數(shù)據(jù)分析，同時(shí)計(jì)算方法也比較簡(jiǎn)便，在監(jiān)測(cè)網(wǎng)絡(luò)輿情走向時(shí)有效性非常明顯。

SOM自組織映射事件識(shí)別算法所設(shè)計(jì)的映射類聚能夠根據(jù)各種事件或不同事件之間的關(guān)聯(lián)建立起完整的聚類，并進(jìn)行相應(yīng)的運(yùn)算，在對(duì)比不同事件的熱點(diǎn)分析時(shí)能夠有效和準(zhǔn)確的掌握具體的網(wǎng)絡(luò)輿情。

5 結(jié)語(yǔ)

針對(duì)不同的網(wǎng)絡(luò)輿情事件算法進(jìn)行分析，要將網(wǎng)絡(luò)上的信息更加具體化，通過(guò)數(shù)據(jù)的形式來(lái)表現(xiàn)不同輿情事件所造成的影響，是一項(xiàng)非常直觀、易于研究的方式。

參考文獻(xiàn)

[1] 柳虹，徐金華.網(wǎng)絡(luò)輿情熱點(diǎn)發(fā)現(xiàn)研究[J].科技通報(bào)，2011（3）：421-425.

[2] 曾潤(rùn)喜，杜換霞，王君澤.網(wǎng)絡(luò)輿情指標(biāo)體系、方法與模型比較研究[J].情報(bào)雜志，2014（4）：96-101.