一种基于社会网络的网络舆情行为分析方法

1.一种基于社会网络的网络舆情行为分析方法，包括以下步骤：
(1)、从互联网中采集网页文本并对其预处理，得到的文档存放到网页信息数据库；
(2)、对网页信息数据库中的文档进行聚类；
(3)、基于网页信息数据库中同一类别相关文档之间的关系建立待分析的网络舆情事件社会网络；
(4)、计算网络舆情事件社会网络参数随时间变化过程的数据并绘制网络参数曲线；
(5)、从网络参数曲线中切取出网络舆情事件的主爆发周期；
(6)、基于网络舆情行为特征库和主爆发周期的参数曲线进行网络舆情识别和网络舆情事件紧急程度评估；
(7)、输出结果。
2.根据权利要求1所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(1)的具体实现方法为：通过网络爬虫从互联网中采集网页文本；通过信息提取单元对网页文本进行解析预处理，获取的标题、正文和发布时间信息组装成文档存放到网页信息数据库。
3.根据权利要求1所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(4)所述的网络参数指的是自定义的网络参数，定义如下：
网络参数1：节点数量，反应当前时间网络上新增了多少关于所分析的事件的帖子；
网络参数2：网络直径，反应当前时间网络上新增帖子所构成的网络中，两点之前最短路径的最大值；
网络参数3：网络密度，反应当前时间网络上新增帖子所构成的网络中，实际存在的边与同等节点数量的完全图中的边的比；
网络参数4：簇系数，又称作聚集系数，它衡量的是随机网络的集团化程度，是随机网络的一个重要参数，随机图中的结点的簇系数以描述的是随机网络中与该结点直接相连的结点之间的连接关系，即与该结点直接相邻的结点间实际存在的边数目占最大可能存在的边数的比例；
网络参数5：结构熵，熵是系统能量的一种度量，可以表示系统所处的状态是否稳定以及其变化的方向，熵越大，系统能量分布越均匀。
4.根据权利要求1或3所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(4)所述的计算网络舆情事件社会网络参数随时间变化过程的数据，具体做法是：
步骤4.1计算网络密度：网络密度是当前节点间存在的边数于同等数目节点的完全图中的边的比值，网络密度越大，说明网络中内容相似的节点越多，网络密度采用以下公式计算：
$\mathrm{ND}=\frac{S}{n(n-1)}$
其中ND为网络密度，n为节点数，S为实际的边数；
步骤4.2计算网络直径：反应当前时间，网络上新增帖子所构成的网络中，两点之间最短路径的最大值，网络直径的实际意义反应的是相关新闻中内容差距最大的两篇文档之间的“距离”；
步骤4.3计算簇系数：又称作聚集系数，它衡量的是随机网络的集团化程度，是随机网络的一个重要参数，簇系数根据以下公式进行计算：
$C_i=\frac{2e_i}{k_i(k_i-1)}$
其中ki表示节点的度数，ei表示结点的邻结点之间实际存在的边数，随机网络的簇系数C为所有结点簇系数的算术平均值，即：
$C=\frac{1}{N}\underset{i=1}{\overset{n}{\Sigma }}{C}_i$
步骤4.4计算结构熵：熵是系统能量的一种度量，可以表示系统所处的状态是否稳定以及其变化的方向，熵越大，系统能量分布越均匀，定义T时刻传播网络的结构熵为：
$H\left(t\right)=\underset{k=1}{\overset{n\left(t\right)-1}{\Sigma }}p(k,t){\log }_{2}p(k,t)$
5.根据权利要求1所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(6)所述的网络舆情为满足如下两个条件的网络事件：1、参与讨论的新闻或者帖子数激增；2、参与讨论的人发表的独立的观点；所表现出来的网络行为是：帖子或者报道的新闻数量激增，同时网络密度下降，即网络密度变化与帖子数量变化负相关。
6.根据权利要求1所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(6)所述的网络舆情事件紧急程度指的是自定义的紧急程度，定义如下：
红色舆情：是指参与讨论的帖子内容基本一致，并且负面意见居多，反政府，反社会，或者带有极端煽动性，甚至有可能引起更大规模的反动舆论浪潮的舆情，这类舆情危害性最大，需要立即处理；
橙色舆情：是指有大量的帖子参与讨论的舆情事件，且内容差距比较大，并且很有可能多次爆发的舆情，这类舆情由于没有形成统一的负面意见，所以危害性要小于红色舆情，但是由于很可能再次爆发，无法控制有可能向红色舆情转变，所以需要引导，从而将舆论引向正轨；
黄色舆情：是指有大量帖子参与，但是没有形成统一负面意见，有可能再次爆发舆情，但是可能性相对小于橙色舆情，所以危害性要小于橙色舆情，但是依然需要关注；
绿色舆情：是指有大量民众参与，但是形成了统一的正面意见，或者对事件的讨论进入尾声，很难再度爆发的舆情，这类舆情危害性很小。
7.根据权利要求1或6所述的一种基于社会网络的网络舆情行为分析方法，其特征在于，步骤(6)所述的网络舆情行为特征库，指的是通过大量的网络舆情事件观察和实验总结出来的四个网络参数规则，这些规则用来对网络舆情事件进行分类和识别，具体参数规则内容是：
参数规则1.网络密度、通过观察爆发阶段网络密度的值来判断事件的属性，当网络密度范围为：
a)0-0.2之间称为广泛讨论事件，对应的实际情况是，大量的帖子或者新闻，从各个不同的角度讨论整个事件，说明时间引起了广泛的关注和讨论，
b)0.2-0.5之间称为平衡事件，对应实际情况是：对事件的讨论比较集中，虽然存在不同的版本，但是内容上比较一致，
c)0.5以上，称为内容统一事件，对应的实际情况是：对事件的讨论趋于统一，如果结合观点分析，当观点为正时，为绿色舆情事件；当观点为负时，为红色舆情事件，
参数规则2.网络直径、通过观察爆发阶段网络直径的变化可以判断出时间的部分属性，网络直径对应的实际意义是：当前的左右帖子中，相关的帖子里内容区别最大两个帖子，在爆发阶段，网络直径有两种情况：
a)维持稳定：对于维持稳定的情况，称为能量释放完全事件，也就是说，没有新的内容出现，那么之后，不容易出现再次爆发的情况，
b)发生波动：对于出现波动的情况，称为能量不完全释放事件，也就是说，继续出现新观点，或者旧观点的消亡，那么之后容易出现再次爆发的情况，
参数规则3.簇系数、簇系数反应的是“抱团”的程度，在爆发期间，簇系数的变化分为两种情况：
a)维持稳定，说明事件内部没有出现观点倾向性的变化，
b)发生增长，说明抱团程度加剧，证明事件内部观点开始发生集中，
参数规则4.结构熵、结构熵反应的是度分布的问稳定程度，结构熵越高，说明能量分布越均衡，在多次爆发的事件中，如果帖子数量在波峰都差不多，可以利用结构熵来判断主爆发，结构熵最高的波峰，为主爆发。

暂无