尝到新婚少妇柔佳,人妻潮喷中午字幕在线播放,小草国产精品情侣

內容簡介

　　隨著互聯網技術的快速發(fā)展和廣泛應用，網絡媒體已經成為重要的信息傳播和交流平臺，同時也是網絡輿情形成和傳播的主要載體。網絡輿情通常由突發(fā)社會公共事件觸發(fā)，反映了人們對某一公共事件所表達的認知、態(tài)度、情感和傾向性，具有虛擬化、快捷化、多元化、開放性、匿名性及互動性等特點。隨著網絡輿論影響力的增強，網絡輿情已經成為各級政府了解社情民意的重要窗口。隨著網絡輿論對社會和公眾影響的不斷增大，出現了網絡炒作、造謠傳謠等不良的現象，損害了網絡媒體公信力，擾亂了網絡正常傳播秩序，產生了錯誤的輿論導向，極易引發(fā)社會群體性事件。因此，加強互聯網管理和輿論治理非常重要和必要。國家大力推進網絡輿情監(jiān)控體系建設，加強對網絡輿情監(jiān)測和引導。網絡輿情監(jiān)測系統(tǒng)在互聯網輿情監(jiān)測中發(fā)揮了重要的作用，其系統(tǒng)核心技術就是網絡輿情分析技術。網絡輿情分析技術主要涉及網絡信息采集技術、網絡輿情傳播機制、話題檢測與跟蹤技術、文本分割技術、文本情感分析技術等。本書主要介紹了網絡輿情分析所涉及的主要方法和關鍵技術，全書共有7章，分別介紹了網絡輿情概論、網絡信息采集技術、微博網絡信息傳播機制、網絡論壇輿情傳播機制、話題檢測與跟蹤技術、文本分割技術和文本情感分析技術。在介紹主要模型和算法時，還給出了模型和算法的實驗驗證，以便讀者加深對模型和算法的理解。本書可作為網絡空間安全學科相關專業(yè)的研究生和本科生教材，也可作為從事相關工作的科技人員及管理人員的參考書。

作者簡介

　　蔡皖東，西北工業(yè)大學計算機學院教授，博士生導師，西北工業(yè)大學信息安全學科帶頭人，從事網絡信息空間安全、網絡輿情管理等方面的科研和教學工作。

圖書目錄

目錄
第1章網絡輿情概論 1
1．1 網絡輿情概述 1
1．1．1 輿情與輿論 1
1．1．2 網絡輿情 2
1．1．3 網絡輿情演化 3
1．1．4 網絡輿情實例 5
1．2 網絡輿論空間治理 8
1．2．1 網絡炒作問題 8
1．2．2 網絡大V問題 9
1．2．3 政務微博作用 10
1．3 網絡輿情傳播平臺 13
1．3．1 微博網絡 13
1．3．2 網絡論壇 15
1．4 網絡輿情分析技術 16
1．4．1 網絡輿情監(jiān)測系統(tǒng) 16
1．4．2 網絡信息采集技術 17
1．4．3 話題檢測與跟蹤技術 20
1．4．4 文本情感分析技術 22
第2章網絡信息采集技術 25
2．1 引言 25
2．2 搜索引擎概念 25
2．2．1 通用搜索引擎 25
2．2．2 主題搜索引擎 27
2．3 網絡蜘蛛概念 29
2．3．1 基本概念 29
2．3．2 通用蜘蛛 29
2．3．3 主題蜘蛛 32
2．4 網頁搜索算法 34
2．4．1 網頁特征選取 34
2．4．2 網頁搜索算法 36
2．4．3 鏈接分級搜索 41
2．5 網頁相似度計算 43
2．5．1 向量空間模型 44
2．5．2 相似度計算 45
2．6 主題蜘蛛組成 48
2．6．1 系統(tǒng)結構 48
2．6．2 主題確立模塊 49
2．6．3 爬行模塊 49
2．6．4 相似度計算模塊 53
2．6．5 搜索策略模塊 53
2．6．6 系統(tǒng)界面 54
第3章微博網絡信息傳播機制 56
3．1 引言 56
3．2 微博用戶轉發(fā)特性 57
3．2．1 轉發(fā)行為特性 57
3．2．2 轉發(fā)特性分析 61
3．3 微博轉發(fā)行為預測 66
3．3．1 預測算法 66
3．3．2 算法驗證 72
3．4 微博轉發(fā)峰值分析 76
3．4．1 時間序列概念 76
3．4．2 峰值特性分析 77
3．5 微博意見領袖識別 87
3．5．1 識別方法 87
3．5．2 算法驗證 89
第4章網絡論壇輿情傳播機制 94
4．1 引言 94
4．2 網絡論壇輿情形成模型 95
4．2．1 網絡論壇結構 95
4．2．2 輿情形成模型 96
4．2．3 模型驗證 98
4．3 網絡論壇意見領袖識別 100
4．3．1 論壇有向網絡圖模型 101
4．3．2 論壇意見領袖識別算法 102
4．3．3 算法驗證 103
4．4 網絡水軍熱帖檢測 106
4．4．1 熱點話題特征提取 107
4．4．2 水軍熱帖檢測算法 110
4．4．3 算法驗證 110
4．5 網絡水軍賬號檢測 112
4．5．1 檢測算法 113
4．5．2 算法驗證 116
第5章話題檢測與跟蹤技術 119
5．1 引言 119
5．2 基本概念 120
5．2．1 TDT目標和任務 120
5．2．2 TDT語料 122
5．2．3 TDT評價指標 122
5．3 相關技術 124
5．3．1 表示模型 124
5．3．2 相似度計算 125
5．3．3 特征項選取 126
5．3．4 文本聚類 127
5．3．5 文本分類 130
5．4 話題檢測算法 133
5．4．1 K-MEANS算法 133
5．4．2 模糊聚類方法 135
5．4．3 蟻群聚類算法 138
5．4．4 算法驗證 139
5．5 話題跟蹤算法 145
5．5．1 KNN算法及改進 145
5．5．2 算法驗證 146
5．6 熱點話題檢測 148
5．6．1 檢測方法 148
5．6．2 算法驗證 151
第6章文本分割技術 155
6．1 引言 155
6．2 基本概念 156
6．2．1 文本分割點 156
6．2．2 文本分割方法 157
6．2．3 文本分割算法評價 159
6．3 基于LDA模型的文本分割 161
6．3．1 LDA模型 161
6．3．2 LDA模型改進 165
6．3．3 相似度計算 167
6．3．4 邊界識別策略 168
6．3．5 算法驗證 169
6．4 基于VSM模型的文本分割 174
6．4．1 特征項選取 174
6．4．2 語義段分割方法 176
6．4．3 算法驗證 179
第7章文本情感分析技術 181
7．1 引言 181
7．2 基本概念 182
7．2．1 文本情感分析層次 182
7．2．2 文本情感分析方法 184
7．2．3 語言建模方法 184
7．3 句子情感分析方法 185
7．3．1 主題句識別方法 185
7．3．2 主觀句識別方法 189
7．3．3 主觀關系識別方法 192
7．3．4 算法驗證 195
7．4 段落情感分析方法 198
7．4．1 語義段句子情感標注 199
7．4．2 語義段句子權重計算 199
7．4．3 語義段情感計算方法 200
7．4．4 算法驗證 202
7．5 文本情感分析模型 205
7．5．1 文本情感模型 205
7．5．2 模型參數估計 208
7．5．3 語言模型評價 209
7．5．4 算法驗證 211
參考文獻 214