2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)飛速發(fā)展,網(wǎng)民規(guī)模不斷增加,新型媒體不斷涌現(xiàn),使得網(wǎng)絡輿情成為一股強大的輿論力量,影響著社會熱點事件的發(fā)展,如果不能正確的引導,將嚴重威脅到社會公共安全。所以,挖掘網(wǎng)絡輿情,將對搭建文明網(wǎng)絡,穩(wěn)定社會秩序,促進國家發(fā)展做出貢獻。網(wǎng)絡輿情挖掘大致包括輿情采集、話題發(fā)現(xiàn)和分析預測三步。其中,網(wǎng)絡輿情數(shù)據(jù)的采集是重中之重,因為只有及時地采集到真實、可靠、完整的網(wǎng)絡輿情數(shù)據(jù),才能保證之后的深入分析真實、可靠、具有實際指導意義。本文主要研究

2、的就是網(wǎng)絡輿情數(shù)據(jù)采集技術(shù),在分析了網(wǎng)絡輿情及其來源的特點后,針對現(xiàn)有的網(wǎng)絡輿情信息的采集技術(shù)存在的不足提出了改進方法。
   首先,網(wǎng)絡輿情采集的工作是采集到同一主題事件網(wǎng)民言論,可以采用主題爬蟲來實現(xiàn)。主題爬蟲能夠提取相關(guān)URL鏈接,預測下一步爬取的鏈接,從而有效地抓取與目標主題相關(guān)度高的網(wǎng)頁,但是現(xiàn)有的主題爬蟲在及時性和完整性上達不到輿情分析的要求,本文通過文獻學習,理論上認識到使用隱馬爾科夫模型(Hidden Marko

3、v Model,HMM)指導網(wǎng)絡輿情采集是可行的,并對現(xiàn)有HMM爬蟲進行分析,針對其不足,從網(wǎng)頁訓練集聚類策略、主題相關(guān)度判別算法和HMM建模方式三個方面提出了改進的方法,用來提高HMM爬蟲的性能。
   其次,網(wǎng)絡輿情的棲息地是微博、博客、論壇和新聞評論這樣的新型網(wǎng)絡載體,大多都采用了異步交互的AJAX技術(shù)來提高用戶體驗,導致傳統(tǒng)爬蟲無法采集到這些動態(tài)生成的信息,大大降低了網(wǎng)絡輿情采集的覆蓋率,為了解決這一問題,本文在HMM爬

4、蟲中增加了AJAX頁面爬取單元,用以完成AJAX頁面的網(wǎng)絡輿情采集工作,完成了本文AHMM(AjaxHMM)爬蟲的設計。
   最后,研究了開源系統(tǒng)Nutch,將改進后的能夠爬取AJAX頁面的HMM爬蟲(AHMMCrawler)和Nutch系統(tǒng)結(jié)合使用,替換掉Nutch系統(tǒng)原有的爬蟲系統(tǒng),搭建了實驗模型,列出了實驗環(huán)境和詳細的實驗步驟,進行了對比實驗,驗證了本文理論的準確性和有效性,證明了本文設計AHMM爬蟲不但具有重要的理論價

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論