互联网舆情监测的调查与研究[开题报告]

开题报告

通信工程

互联网舆情监测的调查与研究

一、课题研究意义及现状

互联网的快速发展，出现了互动式的论坛、博客、微博等丰富的新型信息载体。正确合理利用这些信息，可以有效地了解民情民意，从而快速及时处理一些突发性公共危机事件，改进我们的管理和服务，促进社会的和谐、稳定和发展。在社会公共安全领域，建立公众舆论安全监测系统，实时采集和分析这些网络信息，第一时间发出重要信息的预警，对维护社会和谐稳定具有十分突出的意义。

网络舆情监测有某些缺陷，但不可轻视它的作用。人民大众参政意识空前高涨，使各种事件的发展得到了最深刻的推动，不但影响着政府决策，而且涉及了法律的变革。网络媒体公信力日益凸显。网络监督已经不可阻挡，因为它符合广大人民的意愿，是“现代社会民主化发展进程的必然。应当对网络监督有个全面正确的认识，并且不断地使其规范和完善。

二、课题研究的主要内容和预期目标

1）研究内容：

调研互联网公众信息传播的主要形式和途径，互联网舆情监测的应用现状，研究分析目前互联网舆情监测系统的主要开发和实现技术，包括数据采集系统、数据分析系统和预警系统等，指出目前互联网舆情监测及系统存在的不足和问题，提出互联网舆情监测系统未来发展的方向和可进一步开展的研究工作。

2）预期目标：

找出目前互联网舆情监测所遇到的困难，提出解决的一些方法。

三、课题研究的方法及措施

（一）实施的步骤：1、选题，做好开题报告。2、收集论文资料，查阅文献。3、写好初稿，交老师初步批改。4、整理初稿，写好二稿，交老师再次批改。5、结合初稿，二稿，整理各项资料，定好综稿。6、中心，完成批改。

（二）方法与措施：文献检索，互联网搜索。

四、课题研究进度计划

毕业设计期限：自2011年9月18日至2012年4月24日。

（1）第一阶段（4周）：查阅文献资料，了解论坛、博客、微博等丰富的新型信息载体和互联网公众信息平台，了解互联网舆情监测现状，完成文献综述和外文翻译。

（2）第二阶段（10周）：互联网舆情监测系统的研究与分析

a.互联网舆情监测系统采用的体系架构和关键技术研究；（2周）

b.互联网舆情监测系统数据采集子系统的实现技术研究；（3周）

c.互联网舆情监测系统数据分析子系统的实现技术和关键算法分析；（3周）

d.互联网舆情监测系统预警系统实现方案研究；（2周）

（3）第三阶段（2周）：根据前阶段的研究成果完成毕业设计论文和其他相关文档。

最后通过验收，进行答辩。

五、参考文献

[1] 姜岭君.对完善网络舆论监督的理性探讨[J].青年记者报，2008，（23）.

[2] 第十三次中国互联网发展状况统计报告[s].中国互联网络信息中心。

[4] 袁世杰.网络舆论监督的问题及对策[J].记者摇篮，2007，（8）.

[5] 叶战备.权力制约视角下的舆论监督[R].南京师范大学博士论文，2006-05.

[6] 郭光华.论网络舆论主体的群体“极化”倾向[J].湖南师范大学社会科学学报，2004，（6）.

[7] [美]凯斯·桑斯坦.网络共和国——网络社会中的民主问题[M].黄维明，译.上海：上海人民出版社，2003：47.

[8] 孟威.网络互动：意义诠释与规则探讨[M].北京：经济管理出版社，2004：211.

[9] 李正华.网络舆论监督的临界问题及相关法律责任舆论监督[J].信息网络安全，2006，（4）.

[10]傅丁根．舆论监督的广阔平台[N]．人民日报，2009一02—03．

[11]雷柯.应最大限度发挥网络舆论监督的作用[N].光明日报，2009-03-02：（6）.

[12]孙晓东.网络传播与舆论监督[J].盐城师范学院学报（人文社会科学版），2005，（4）.

[13]范凌子.在和谐舆论环境中构建主流舆论——浅议我国网络媒体的舆论监督[J].新闻爱好者，2008，（11）.

[14]Changshui Zhang, Feiping Nie, Shiming Xiang, Chenping Hou. Soft Co nstraint Harmonic Energy Minimization for Transductive Learning and Its Two Interpretations. Neural Processing Letters (NPL), October, 2009,Vo lume 30, Issue 2, Pages 89-102.

[15]Fei Wang, Changshui Zhang, Tao Li. Clustering with Local and Glob

al Regularization. IEEE Transactions on Knowledge and Data Engineering, December 2009,Volume: 21 Issue: 12 Pages: 1665-78.

[16]Shiming Xiang, Feiping Nie, Yangqiu Song, Changshui Zhang, Chunxi

a Zhang. Embedding New Data Points for Manifold Learning via Coordina te Propagation. Knowledge and Information Systems (KAIS),2009,Volume 19, Issue 2, Pages 159-184.

[17]Gang Chen, Fei Wang, Changshui Zhang. Collaborative Filtering Using Orthogonal Nonnegative Matrix Tri-factorization. Information Processing and Management, 2009, Volume 45, Page 368–379.

[18]Shiming Xiang, Feiping Nie, and Changshui Zhang. Learning a Mahala nobis distance metric for data clustering and classification. Pattern Recognition, 2008, Volume 41, Issue 12, Pages 3600 - 3612.

[19]Yangqiu Song and Changshui Zhang. Content Based Information Fusion for Semi-Supervised Music Genre Classification. IEEE Transaction on M ultimedia, January, 2008, Volume 10, Issue 1, Pages145-152.