网络舆情监测系统研究综述

□唐锦源 吴 越 任 亮

一、引言

网络舆情监测系统的构建能够帮助政府部门实时监测舆论话题发展动向，为可能发生的热点话题、敏感话题提供预警机制，能够为调控网络舆论朝良性方向发展提供充足的时间。企业化的网络舆情监测，能够有效地了解用户当前感兴趣的产品和内容，预测未来一段时间内可能感兴趣的产品和内容，为企业推广策略的制定以及发展方向的决策提供参考。可见，网络舆情监测系统可以帮助政府和企事业单位及时发现舆情，并在舆情发展初期应对和处理好舆情事件。

网络舆情监测系统的研究对于社会稳定，经济领域和企业具有重要意义。截至2017年12月对中国学术期刊网CNKI，以“网络舆情”为关键词搜索到相关文献8,494条，以“网络舆情监测”为关键词搜索到相关文献377条，其中涉及到“网络舆情监测系统”的相关文献57条。数据显示从2011～2017年，网络舆情监测系统研究的相关文献逐年增多，特别是2015年后数量激增。网络舆情监测系统的研究主要涉及到系统架构、系统的设计与实现、系统应用的关键技术。

二、网络舆论监测系统理论研究

目前，国内外网络舆论监测系统理论研究主要集中在热点话题发现、舆论情感倾向判别和舆论意见领袖识别三个方面。

(一)智能识别热点话题。热点话题的智能识别和建模作为网络舆情监测的基础，实现了从人工到自动化，从文字表达到数字信息的抽象，使得人们可以利用数学工具对文档进行话题提取和话题聚类。根据话题构建方法，可分为向量空间模型和概率话题模型两类。

1.向量空间模型。向量空间模型是TDT中最常使用的话题模型，一般以文档中的词语为向量特征，并由TF*IDF方法计算特征权重。考虑到话题与事件的关系，利用事件的时间、地点和人物所构建的基于向量空间的话题模型得到了广泛关注。

2.概率话题模型。概率话题模型的思想源于Hofmann在LSI(Latent Semantic Indexing)基础上提出的pLSI模型(probabilistic Latent Semantic Indexing)。pLSI假设每个文档由话题的多项式分布随机而成，文档中每个词由话题生成，不同话题产生不同的词。为解决pLSI对参数求解计算复杂、模型过度拟合等问题，Blei提出了LDA(Latent Dirichlet Allocation)模型。LDA模型的参数不会随着文集增长而线性增长，有很好的泛化能力，是目前机器学习、信息检索等领域很常用的模型。

(二)智能识别舆论情感倾向。由于网络短文本具有网络新词、表情符号多、噪声大、情感特征稀疏等特点，其情感倾向识别的难度更大。特别是，情感倾向识别不仅要提取喜怒哀乐等情绪情感，还要识别情感所涉及的话题。近年来相继出现了一些有针对性的研究方法以解决这些问题。

1.针对网络新词、符号层出不穷，普通情感词典难以识别的问题。Pandarachalil提出一种无度的情感分析方法，该方法利用Senticnet,SentiWordNet和SentilangNet三种情感词典分析网络舆论文本的情感极性，其中SentilangNet情感词典搜集了微博俚语和缩略词，该方法对大规模网络文本情感分析具有良好效果。Yamamoto考虑了符号对于文本情感的影响，提出了基于表情符号的微博多维度情感计算方法。

2.针对网络文本短小，特征稀疏的问题。Zhou利用社会关系信息判断用户观点，从而达到提升准确率的目的。杨等面对微博短文本特征稀疏和上下文缺失的情况，借由时间、空间、联系等要素挖掘文本间隐含的关联关系，重构文本上下文范畴，以提升情感极性分类的有效性。

3.为实现话题与情感的同步提取，Tan在潜在狄利克雷分布模型的基础上，提出了前景和背景LDA模型，用于提取显著的话题并过滤长期存在的背景话题。Ren提出一种结合社交网络文本和话题文本的矩阵因子分解框架，利用可观测的微博知识，预测用户对某一具体话题的观点。马提出一个话题情感混合最大熵LDA模型对网络文本进行细粒度观点挖掘。

(三)智能识别舆论意见领袖。网络舆论意见领袖是指在网络中对其他人产生影响的个体。根据分析数据对象的不同，网络舆论意见领袖识别方法大致可以分为基于网络结构的方法、基于交互信息的方法和基于综合特征的方法。

1.社交网络结构能在很大程度上反映某个节点在网络中所处位置的重要程度。如果用户在社交网络中的位置能够如实体现他在社交活动中的领袖地位，利用基于PageRank算法的排名方法就能对其进行度量。Tang把PageRank算法打分最高的1%的用户看作关键节点人物。

2.分析用户所发信息的影响力和传播特性，能够更客观准确地发现网络关键节点人物。Goyal认为社团关键节点人物发起的行为能在特定时间段内对一定数量的用户产生影响，并据此使用频繁模式挖掘方法识别社交网络中的关键节点人物。

3.网络用户具有许多特征信息，一些研究者综合各种特征建立模型来识别网络关键节点人物。Li通过分析文本内容、用户行为和时间设计了网络关键节点人物识别的混合框架，框架融合了经验值、新颖度、影响力和活跃度特征。Ellero从关键节点人物能够打破多数规则，加速信息传播速率的角度进行关键节点人物识别和网络舆论演化仿真，实验结果表明，少量的关键节点人物不仅能加快网络舆论的形成，而且可能使整个网络舆论发生逆转。

三、网络舆情监测系统应用研究

国内外研发了许多网络舆情监测相关的系统。国内包括方正智思——网络舆情互联网信息监控分析系统及舆情预警辅助决策支持系统、复旦大学C_Analysis舆情分析系统等，这些系统基本上都对网络舆情的数据进行了采集和分类，并提供了一些统计学分析的辅助功能。国外相关系统有：Autonomy公司发布的三大系列专门针对中国市场的应用产品，分别是面向企业的“企业竞争情报智能分析系统”、面向政府部门的“互联网舆情监控分析系统”等。

四、研究结论及展望

随着网络舆情监测系统的相关研究不断深入，学术成果不断呈现。方法的创新和智能识别技术的发展为网络舆情监测系统研究注入了新的活力，但相关研究还存在问题：一是研究成果的内容主要集中在理论研究，实践应用研究较薄弱。二是基于不同目标对象和不同行业的特定社会领域，构建的网络舆情监测指标体系和系统同质化现象较明显，指标的选取和设计上区分度较低。三是热点话题发现技术的研究较多，舆论情感倾向识别技术和舆论意见领袖识别技术的研究太少。

在综合国内外主流理论、方法、模型以及实际舆论数据的基础上，本文认为接下来可以重点研究智能识别技术在网络舆情监测系统中的应用：一是舆情监测系统自动发现网络舆论热点话题，进行及时的舆情等级预警；二是智能分析和展示网民对于网络舆论话题的情感倾向分布，帮助有关部门把握舆论脉搏；三是构建意见领袖综合评价指标，有效识别在网络舆论发生、发展过程中起到重要作用的意见领袖，为舆论引导策略的有效制定提供重要依据。