【目的/意義】利用網(wǎng)絡(luò)大數(shù)據(jù),建立輿情危機預(yù)警自動識別系統(tǒng)對提高政府網(wǎng)絡(luò)監(jiān)管效率具有極其重要的意義,也是網(wǎng)絡(luò)安全領(lǐng)域研究工作的關(guān)注重點�！痉椒�/過程】根據(jù)網(wǎng)絡(luò)大數(shù)據(jù),詳細分析了引起網(wǎng)絡(luò)輿情危機的影響因素,建立了新的輿情預(yù)警指標(biāo)體系。結(jié)合灰色關(guān)聯(lián)分析方法和K均值聚類,對輿情事件進行分級,并在分級的基礎(chǔ)上,利用支持向量機算法構(gòu)建了網(wǎng)絡(luò)輿情預(yù)警自動識別模型�！窘Y(jié)果/結(jié)論】測試結(jié)果表明,該自動識別系統(tǒng)具有很好的輿情預(yù)警效果,克服了傳統(tǒng)方法在輿情事件分級方面的主觀性和隨意性。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 相關(guān)概述
    (1）基于網(wǎng)絡(luò)輿情熱點事件影響因素的輿情預(yù)警研究
    (2）基于網(wǎng)絡(luò)輿情情感分析的輿情預(yù)警研究
3 網(wǎng)絡(luò)輿情分級及預(yù)警識別模型
    3.1輿情預(yù)警指標(biāo)構(gòu)建原則
    3.2輿情指標(biāo)體系設(shè)計
    3.3模型設(shè)計
        3.3.1數(shù)據(jù)無量綱化處理
        3.3.2基于灰色關(guān)聯(lián)分析與K-均值聚類的分級過程
        3.3.3輿情預(yù)警模型
4 實證分析
    4.1數(shù)據(jù)無量綱化處理
    4.2計算關(guān)聯(lián)因子和關(guān)聯(lián)度
    4.3聚類分析
    4.4基于支持向量機的預(yù)警識別模型
5 結(jié)語



本文編號：3845405