網(wǎng)絡(luò)輿情中的的熱點(diǎn)話題研究

目 錄
前言
第1 章 網(wǎng)絡(luò)輿情 1
1.1 網(wǎng)絡(luò)輿情概述 3
1.1.1 相關(guān)概念 3
1.1.2 表現(xiàn)形式 3
1.1.3 網(wǎng)絡(luò)輿情的特點(diǎn) 5
1.1.4 網(wǎng)絡(luò)輿情的分類 8
1.2 網(wǎng)絡(luò)輿情的管理 9
1.2.1 網(wǎng)絡(luò)輿情管理的界定 10
1.2.2 網(wǎng)絡(luò)輿情管理的意義 11
1.2.3 網(wǎng)絡(luò)輿情管理的措施 12
1.3 網(wǎng)絡(luò)輿情的數(shù)據(jù)分析 15
1.3.1 網(wǎng)絡(luò)輿情數(shù)據(jù)分析概述 15
1.3.2 網(wǎng)絡(luò)輿情數(shù)據(jù)分析步驟 15
1.3.3 網(wǎng)絡(luò)輿情數(shù)據(jù)分析方法 19
1.4 網(wǎng)絡(luò)輿情的傳播 19
1.4.1 網(wǎng)絡(luò)輿情傳播的載體 20
1.4.2 網(wǎng)絡(luò)輿情傳播的要素 22
1.4.3 網(wǎng)絡(luò)輿情的傳播特征 23
1.4.4 網(wǎng)絡(luò)輿情的傳播階段 25
1.4.5 網(wǎng)絡(luò)輿情的傳播模式 27
1.5 網(wǎng)絡(luò)輿情的監(jiān)測 29
1.5.1 網(wǎng)絡(luò)輿情監(jiān)測的意義 31
1.5.2 網(wǎng)絡(luò)輿情監(jiān)測模型 31
1.5.3 網(wǎng)絡(luò)輿情監(jiān)測相關(guān)技術(shù) 32
1.6 網(wǎng)絡(luò)輿情的預(yù)警 33
1.6.1 網(wǎng)絡(luò)輿情預(yù)警的內(nèi)容 33
1.6.2 網(wǎng)絡(luò)輿情預(yù)警的等級 34
1.6.3 輿情不同傳播階段的預(yù)警重點(diǎn) 34
1.6.4 網(wǎng)絡(luò)輿情預(yù)警指標(biāo)構(gòu)建 35
1.7 本章小結(jié) 36
第2 章 話題識別與追蹤 37
2.1 話題識別與追蹤研究前沿及發(fā)展歷程 37
2.1.1 研究前沿 37
2.1.2 發(fā)展歷程 41
2.2 話題識別與追蹤的相關(guān)概念 43
2.3 話題識別與追蹤的任務(wù) 43
2.3.1 報(bào)道切分 44
2.3.2 話題識別 44
2.3.3 話題追蹤 45
2.3.4 首報(bào)道識別 45
2.3.5 關(guān)聯(lián)檢測 45
2.4 話題識別與追蹤的評價(jià)指標(biāo) 45
2.4.1 識別評價(jià)指標(biāo) 45
2.4.2 識別錯(cuò)誤權(quán)衡曲線(DET 曲線) 46
2.5 話題識別與追蹤的測試集合 48
2.6 本章小結(jié) 54
第3 章 基于貝葉斯網(wǎng)絡(luò)的話題識別與追蹤55
3.1 貝葉斯網(wǎng)絡(luò)簡介 55
3.2 貝葉斯網(wǎng)絡(luò)基礎(chǔ) 56
3.3 貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及概率推導(dǎo) 58
3.3.1 貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 58
3.3.2 概率推導(dǎo) 59
3.3.3 動態(tài)貝葉斯網(wǎng)絡(luò) 59
3.4 貝葉斯網(wǎng)絡(luò)的推理 61
3.5 貝葉斯網(wǎng)絡(luò)與因果分析 62
3.6 貝葉斯網(wǎng)絡(luò)在話題識別與追蹤中的應(yīng)用 62
3.6.1 基于樸素貝葉斯理論的話題識別與追蹤 64
3.6.2 基于信念網(wǎng)絡(luò)的話題識別與追蹤 65
3.7 本章小結(jié) 71
第4 章 基于上下文信息的話題字典的構(gòu)建73
4.1 話題特征選擇 73
4.1.1 基本理論 74
4.1.2 基于增量式TF-IDF 的話題特征選擇 77
4.1.3 基于聚類和時(shí)間因素的話題特征選擇 77
4.2 上下文信息 79
4.3 融合上下文信息的話題字典生成 81
4.4 實(shí)驗(yàn)與分析 85
4.5 本章小結(jié) 88
第5 章 融合時(shí)序性和波動性的熱點(diǎn)話題發(fā)現(xiàn) 89
5.1 熱點(diǎn)話題發(fā)現(xiàn)研究的意義 89
5.2 代表性熱點(diǎn)話題發(fā)現(xiàn)研究 89
5.3 新聞話題的時(shí)序性和波動性簡述 97
5.4 基于時(shí)序性和波動性的話題熱度計(jì)算 98
5.4.1 基于時(shí)序的相關(guān)報(bào)道密度計(jì)算 98
5.4.2 基于波動性的峰值計(jì)算 99
5.4.3 話題熱度計(jì)算 99
5.5 實(shí)驗(yàn)結(jié)果及分析 99
5.6 本章小結(jié) 101
第6 章 面向熱點(diǎn)話題演化的噪聲特征識別 103
6.1 話題演化概述 103
6.2 話題演化相關(guān)研究 104
6.3 話題演化與話題漂移關(guān)系概述 109
6.4 話題演化中噪聲引入分析 110
6.5 噪聲特征權(quán)重衰減及識別 111
6.5.1 特征的間斷性和分布性量化 112
6.5.2 噪聲特征權(quán)重衰減 112
6.5.3 噪聲特征識別 114
6.6 實(shí)證研究 115
6.7 本章小結(jié) 117
第7 章 熱點(diǎn)話題的參與者——意見領(lǐng)袖特征分析 118
7.1 理論基礎(chǔ) 118
7.1.1 意見領(lǐng)袖 118
7.1.2 社會網(wǎng)絡(luò)分析法 119
7.2 數(shù)據(jù)獲取 121
7.3 熱點(diǎn)話題意見領(lǐng)袖識別 122
7.3.1 網(wǎng)絡(luò)密度分析 123
7.3.2 網(wǎng)絡(luò)中心性分析 123
7.3.3 話題意見領(lǐng)袖識別 125
7.4 意見領(lǐng)袖特征分析 126
7.5 本章小結(jié) 131
第8 章 網(wǎng)絡(luò)輿情中的熱點(diǎn)話題推薦 132
8.1 個(gè)性化推薦相關(guān)研究 132
8.2 個(gè)性化推薦概述 134
8.2.1 個(gè)性化推薦的關(guān)鍵問題 134
8.2.2 個(gè)性化推薦方法 135
8.2.3 個(gè)性化推薦的評價(jià)指標(biāo) 137
8.3 集成算法 139
8.3.1 Bagging 140
8.3.2 Boosting 140
8.3.3 Stacking 141
8.4 基于Stacking 集成的熱點(diǎn)話題推薦 142
8.5 實(shí)證研究 144
8.6 本章小結(jié) 147
參考文獻(xiàn) 148
后記 158