網絡輿情預警輔助決策支持系統(tǒng)模型及關鍵技術研究.pdf

1、隨著科技的進步,互聯(lián)網獲得突飛猛進的發(fā)展,網絡輿情已經成為社會輿情的初級形態(tài)和原始來源,很多影響較大的社會輿情都發(fā)端于互聯(lián)網,“網絡輿情”為研究突發(fā)性群體事件提供了一個嶄新視角。對網絡輿情的研讀、研判和研討將能夠在龐大的社會體系中創(chuàng)造一個清晰的聚焦鏡和精確的刻度尺,以便摸清社會動態(tài)的脈搏。
　　網絡輿情預警輔助決策支持系統(tǒng)及其關鍵技術是目前網絡輿情領域的研究熱點,許多關鍵技術尚處于研究探討之中。在國務院新聞辦公室項目、北京市網絡監(jiān)

2、管辦項目資助下,本論文從體系結構模型、軟件設計以及數(shù)據采集、負載均衡、數(shù)據抽取、數(shù)據挖掘技術等方面進行了較為深入的研究并取得了創(chuàng)新。概括起來主要包括以下幾個方面:
　　1、提出了網絡輿情預警輔助決策支持系統(tǒng)模型。模型對系統(tǒng)按層次進行劃分,實現(xiàn)了信息采集、抽取、加工、挖掘利用的一體化,使系統(tǒng)運行效率高,而且易于擴展。
　　2、針對目前服務器集群使用的負載均衡算法所存在的缺陷,服務器可能出現(xiàn)較大傾斜,本文提出了一種基于粗糙集理論

3、的動靜結合的負載均衡算法。該算法避免了服務器間負載的不均衡,能有效地防止服務器傾斜的發(fā)生,提高了集群系統(tǒng)的整體性能。
　　3、基于現(xiàn)有WEB信息抽取的不足,提出一種面向屬性的自動抽取方法,該方法運用論壇概念模型(Ontology)自動構造包裝器,較好的解決了現(xiàn)有的抽取方法準確性差、通用性不強的問題。
　　4、本文另一重要內容是提出了在任意初始分類基礎上以較高可信度實現(xiàn)全局最優(yōu)聚類的優(yōu)化算法。新算法主要包含三個過程:收縮過程、

4、擴張過程和合并分割過程。本文以Matlab平臺編制了算法軟件,模擬和實例試驗表明,新方法具有很好的聚類效果,能較大程度高效實現(xiàn)各種類型數(shù)據的全局最優(yōu)聚類。
　　5、基于關聯(lián)規(guī)則分類算法,提出了改進的超規(guī)則J-度量修剪策略和CDD類別區(qū)分度改進算法。
　　6、針對話題追蹤中訓練正例稀疏的問題,對傳統(tǒng)的KNN分類方法進行了有效地改進并用于話題追蹤,此外,還在話題追蹤過程中加入時間窗策略,有效降低了計算的復雜度。最后的實驗結果也驗