网络舆情潜在热点主题识别研究

摘要：

[目的]从网络舆情数据流中获取潜在热点主题,帮助政府与企业进行重点舆情监测与正确舆论引导.[方法]对微博实时数据流进行增量式舆情主题检测,选取并量化能够区分主题热门与非热门的特征项,选择逻辑回归(Logistic Regression)与支持向量机(SVM)两种机器学习模型作为潜在热点主题预测的候选模型,通过模型训练与效果对比确定最佳的潜在热点主题识别模型.[结果]Logistic Regression相比SVM更适合作为潜在热点主题识别模型,其召回率为0.89.[局限]方法缺少在多样化社交媒体平台的应用.[结论]本研究构建的模型能有效识别网络舆情潜在热点主题,为政府与企业的舆情监测与舆论引导提供帮助.

关键词：网络舆情、潜在热点主题识别、逻辑回归、支持向量机

所属期刊栏目：4

分类号：TP391;N99(计算技术、计算机技术)

资助基金：本文系国家社会科学基金项目“基于社会网络分析的网络舆情主题发现研究”;江苏省社会公共安全优势学科项目的研究成果之一

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：29-38