快捷导航
  【舆情监控系统找新舆盾】一、系统概述

  随着互联网的快速发展,网络媒体作为一种新的信息传播形式,已深入人们的日常生活。网友言论活跃已达到前所未有的程度,不论是国内还是国际重大事件,都能马上形成网上舆论,通过这种网络来表达观点、传播思想,进而产生巨大的舆论压力,达到任何部门、机构都无法忽视的地步。可以说,互联网已成为思想文化信息的集散地和社会舆论的放大器。

  互联网舆情监控系统通过对热点问题和重点领域比较集中的网站信息,如:网页、论坛、BBS等,进行24小时监控,随时下载最新的消息和意见。下载后完成对数据格式的转换及元数据的标引。对下载本地的信息,进行初步的过滤和预处理。对热点问题和重要领域实施监控,前提是必须通过人际交互建立舆情监控的知识库,用来指导智能分析的过程。对热点问题的智能分析,首先基于传统基于向量空间的特征分析技术上,对抓取的内容做分类、聚类和摘要分析,对信息完成初步的再组织。然后在监控知识库的指导下进行基于舆情的语义分析,使管理者看到的民情民意更有效,更符合现实。最后将监控的结果,分别推送到不同的职能部门,供制定对策使用。

  网络舆情监控系统是利用搜索引擎技术和网络信息挖掘技术技术,通过网页内容的自动采集处理、敏感词过滤、智能聚类分类、主题检测、专题聚焦、统计分析,实现各单位对自己相关网络舆情监督管理的需要,最终形成舆情简报、舆情专报、分析报告、移动快报,为决策层全面掌握舆情动态,做出正确舆论引导,提供分析依据。

  互联网舆情监控系统是针对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,民众对社会管理者产生和持有的社会政治态度于网络上表达出来意愿集合而进行的计算机监测的系统统称。

  “网络舆情”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。网络舆情形成迅速,对社会影响巨大,加强互联网信息监管的同时,组织力量开展信息汇集整理和分析,对于及时应对网络突发的公共事件和全面掌握社情民意很有意义。

  二、系统结构

  互联网舆情监控系统一般由自动采集子系统(采集层)与分析浏览子系统(分析层与呈现层),以乐思舆情监控系统为例,网络舆情监控系统架构包括三个层面:

  一、采集层,这层包含了要素采集、关键词抽取、全文索引、自动去重和区分存储及数据库,可以对采集微博、论坛、博客、贴吧、新闻及评论、搜索引擎、图像和视频等。

  二、分析层,改成可以对采集的数据信息实行自动分类、自动聚类、自动摘要、名称识别、正负性质预判和中文分词操作,保证分心的全面性。

  三、第三层为呈现层,系统对采集分析的数据可以通过负面舆情、分类舆情、最新舆情、专题跟踪、舆情简报、分类评、图表统计和短信通知等形式推送给用户。

  三、功能

  1. 热点识别能力

  可以根据转载量、评论数量、回复量、危机程度等参数,识别出给定时间段内的热门话题。

  2. 倾向性分析与统计

  对信息的阐述的观点、主旨进行倾向性分析。以提供参考分析依据。分析的依据可根据信息的转载量、评论的回言信息时间密集度。来判别信息的发展倾向。

  3.主题跟踪

  主题跟踪主要是针对热点话题进行信息跟踪,并对其进行倾向性与趁势分析。跟踪的具体内容包括:信息来源、转载量、转载地址、地域分布、信息发布者等相关信息元素。其建立在倾向性与趁势分析的基础上。

  4.信息自动摘要功能

  能够根据文档内容自动抽取文档摘要信息,这些摘要能够准确代表文章内容主题和中心思想。用户无需查看全部文章内容,通过该智能摘要即可快速了解文章大意与核心内容,提高用户信息利用效率。而且该智能摘要可以根据用户需求调整不同长度,满足不同的需求。主要包括文本信息摘要与网页信息摘要两个方面。

  5. 趋势分析

  通过图表展示监控词汇和时间的分布关系以及趋势分析。以提供阶段性的分析。

  6. 突发事件分析

  突发事件不外乎有以下几种:自然灾害、社会灾难、战争、动乱和偶发事件等等。互联网信息监控分析系统主要是针对互联网信息进行突发事件监听与分析。对热点信息的倾向分析与趁势分析,以监听信息的突发性。

  7. 报警系统报警系统主要是针对舆情分析引擎系统的热点信息与突发事件进行监听分析,然后根据信息的语料库与报警监控信息库进行分析。以确保信息的舆论健康发展。

  8.统计报告

  根据舆情分析引擎处理后的结果库生成报告,用户可通过浏览器浏览,提供信息检索功能,根据指定条件对热点话题、倾向性进行查询,并浏览信息的具体内容,提供决策支持。

举报 使用道具
| 回复

共 0 个关于本帖的回复 最后回复于 2021-6-16 10:38

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

推荐板块

精彩推荐

热门排行

明星用户

QQ|小黑屋|天之润护肤乳液官方网站

GMT+8, 2024-4-26 17:12 , Processed in 0.105692 second(s), 24 queries .