期刊文献+

网络舆情推文的热度测度模型构建 被引量:14

The Construction of Heat Assessment Model for Tweets of Network Public Opinion
原文传递
导出
摘要 [目的/意义]数据获取是网络舆情研究的第一个阶段,在大量数据面前,构建网络舆情推文热度测度模型能够快速筛选出能为网络舆情研究所用的数据。[方法/过程]借鉴信息论中平均自信息量的定义,使用层次分析法与Haker News排名算法构建网络舆情热度测度模型。[结果/结论]通过在微博抓取数据,计算得出针对该数据集的热度阈值,验证该热度测度模型的准确度。事实证明,网络舆情推文热度测度模型能够很好地完成推文热度的计算,并且能够达到较高的计算准确率。 [Purpose/significance]Data Collection is the first step of the study of Network Public Opinion.The construction of Heat Assessment Model for Tweets of Network Public Opinion will rapidly screen useful data over dramatic number of data.[Method/process]This paper cites the definition of Average Self-Information,applies Analytic Hierarchy Process(AHP)and Haker News Ranking Algorithm to construct a Heat Assessment Model for Tweets of Network Public Opinion.[Result/conclusion]Through the calculation of data collected from Weibo,this paper obtains the threshold of this data set.Then this paper tests the accuracy of the model,which proves this model could achieve the heat calculation precisely.
作者 黄微 刘熠 许烨婧 孙悦 Huang Wei;Liu Yi;Xu Yejing;Sun Yue(School of Management,Jilin University,Changchun 130022)
出处 《图书情报工作》 CSSCI 北大核心 2019年第20期17-25,共9页 Library and Information Service
基金 国家自然科学基金面上项目“大数据环境下多媒体网络舆情信息的语义识别与危机响应研究”(项目编号:71473101)研究成果之一
关键词 网络舆情 推文热度 层次分析 network public opinion heat of Tweets AHP
  • 相关文献

参考文献7

二级参考文献80

  • 1贾自艳,何清,张海俊,李嘉佑,史忠植.一种基于动态进化模型的事件探测和追踪算法[J].计算机研究与发展,2004,41(7):1273-1280. 被引量:58
  • 2郑家恒,卢娇丽.关键词抽取方法的研究[J].计算机工程,2005,31(18):194-196. 被引量:41
  • 3索红光,刘玉树,曹淑英.一种基于词汇链的关键词抽取方法[J].中文信息学报,2006,20(6):25-30. 被引量:88
  • 4Wu Ou,Hu Wweiming. Web Sensitive Text Filtering by Combining Semantics and Statistics[C]/ / Proc. of IEEE NLP-KE’05. [S. 1.]: IEEE Press,2005: 215-259.
  • 5彭浩林. 基于内容的敏感信息过滤系统研究[D]. 武汉:武汉科技大学,2011.
  • 6Metwally A, Agrawal D, Abbadi A E. Efficient Computation of Frequent and Top-k Elements in Data Streams[C]/ / Proc. of the 10th International Conference on Database Theory. Berlin,Germany: Springer Verlag, 2005: 398-441.
  • 7Christian Wartena, Rogier Brussee. Topic detection by clustering keywords [ C ]//Washington D C. USA: Proceedings ofthel9th International Conference on Database and Expert Systems Application,2008:54-58.
  • 8马尔科姆·格拉德威尔.流行三要素[M].北京:中信出版社,2009.
  • 9Allan J, Carbonell J, Doddington G, et al. Topic de- tection and tracking pilot study: Final report I-C3// Proceedings of the DARPA Broadcast News Transcrip- tion and Understanding Workshop, 1998:194-218.
  • 10J P Yamron, S Knecht, P van Mulbregt. Dragon's Tracking and Detection Systems for the TDT2000 E- valuation[C]//Proceedings of Topic Detection and Tracking workshop. Washington, USA, 2000:75-80.

共引文献80

同被引文献258

引证文献14

二级引证文献41

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部