舆情监控系统的设计与实现
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
生的 事 件 通 过 互联 网表 达 态 度 的一 种 渠道I ’ I 、 随 着 互联 网技 术 及 应 用的 飞 速 发展 . 互 联 网传播 具 有 时域 即 时 性 、 内容 不可 控
性、 话 语 权 相 对 平 等性 等 特 点 , 互联 网成 为 了 解 民 意 、 开 展 舆 论 宣传 的 重 要 栽 体 网络 舆 情 成 为社 会 舆 情 在 互 联 网 维度 的 映射 . 是 社会 舆 情 在 网络 社 会 的 直接 反 映1 I 网络 舆 情 的主 体 媒介是论坛、 博 客 以及 具 有 新 闻 评论 功 能 的 网 站 . 利 用主 体 媒 介 渠道 进 行 传播 的舆 情 信 息呈 现 出爆 炸 式递 增 态势 。越 来越 多的 人 们 愿 意 通 过 互联 网表 达 自己 的情 感与 态度 I 当前 网站 技 术 日趋 成 熟 . 互 联 网上 的 站 点 也 越 来 越 多, 信 息 量 非 常的 巨 大l 4 I 。同时 . 互 联 网 呈 现 出奥 情 传 播 多元 化 、 范围广 、 速度快 的 发 展 态势l 、 互联 网 高速 发 展 过程 中 , 各 种 恶 意 炒作 的 、 不 良 的 信 息也 充斥 其 中 . 影 响 了互联 网健 康 和 谐 的 发展 舆 情 监测 是
使 得 关 注 的互 联 网 特 定舆 情 信 息 能 够在 政 府部 门之 间 快速 流 p u b l i c c l a s s F r o n t i e r S c h e d u l e r F o r B i f u e x t e n d s F r o n t i e r - 转、 处理 , 进 而 维护 网络 社 会 的健 康 和 谐 的发 展 。 S c h e d u l e r f
3 系统设 计与实现
队 列 为空 为终 止 符 。
设 计 核 心 是 运 用智 能挖 掘 、 机 器 学 习等 计 算 机 技 术 来识 别 、 挖 经 由扩 展 He r i t i r x的 F r o n t i e r S c h e d u l e r类 库 来 获 得 指 定 掘 和 分析 网络 上 存 在 的 舆 情 信 息 ,解 决 在人 工手 段 下 无 法 实 舆 情 关 注 网 站 的 信 息 F r o n t i e r S c h e d u l e r类 隶 属 o r g . a r c h i v e . 现 对 海量 、 动 态 互联 网 内容 的 及 时监 管 通 过 本 系统 的 设 计 与 c r a w l e r . p o s t p r o c e s s o r包 . 用F r o n t i e r按 序 处理 来 自 E x t r a c t o r所
舆 情 监控 系统 的设 计 与 实现
张麒岭, 丁 峰( 烽火 通信科技股份有限公司, 南京2 1 0 0 0 0 )
【 摘 要 】 本文初探舆情监控系统的设计与实现 , 从开源框架 H e r i t r i x 技术着手 , 对互联 网新闻、 论坛、 微博、 网站等数据 源进行 数据抓取 ; 研究
当前 国 家 党 政 机 关 部 门 当 前 尤 为 突 出和 重 要 的 工 作 I I 网 络 舆
论影响社会意识形态. 政 府 相 关 机 关 需要 建 设 舆 情 监控 系统 , 针 对 互联 网舆 情 开展 专 业 的数 据 收 集 、 分析、 预警 、 处理 工作 。
图 1爬取舆情 目标设定域的 H e r i t r i x流程图
【 关键词 】 舆 情; 爬 虫; 全文检索 【 中图分类号 】 T P 3 1 1 . 5 【 文献标识码 】 A
【 文章 编号 】 1 0 0 6 — 4 2 2 2 ( 2 0 1 7 ) 0 1 — 0 0 0 5 — 0 2
源自文库
1 概 述
网 络舆 情 是 指 民 众在 一 定 的互 联 网空 间 ,对 现 实社 会 发
加入队列: / / 指 的 是通 过 广 度优 先爬 取 策略 , 提 取 队列 中舆 情 网 站 包含 的 U R L字段 并部 署抓 取 队 列 . 获取 舆情 网站 页 面。
2 研究现状及意义
在“ 互联 网+ ” 大形势下 . 国 家 处 于信 息 化 发 展 的 高 速 公
( 3 ) 保 存 获取 页 面 ; , / 指 的是 构 建 He r i t r i x 框 架抓 取 舆 情 网 路. 各 级 政 府机 关纷 纷 加 强 信 息 化 建 设 工 作 . 尤其 关 注舆 情 监 站 页面 。 保存在指定文件位置。 控 系统 的 建设 及 时 掌握 网络 热 点话 题 , 了解 流 行 观 点 趋 势 , 对 于 网络 舆 情 的 预 警 和 处 理 具 有 重要 意 义 网络 舆情 系统 的 ( 4 ) 查 看 队 列 是 否 为空, / 指 的 是 本 次舆 情 爬 取 任 务 结 束 以
实现 , 实现抓 取 主 流 的新 闻 、 论坛、 博 客 等 网站 数 据 , 建 立 分 布 提 供 的 链 接 信 息 式的索引手段 . 快 速 检 索 海 量 大数 据 , 同 时依 托 工 作 信 息 流 , 对指 定舆 情 关 注 网站 抓取 的主 要 程 序 代 码 范例 如 下 :
了正则表达式技术 , 基 于 DO M 规 范 的 网页 树 实现 对 网 页 数 据 的 噪 音 过 滤 , 抓 取 有 价 值 的 结 构 化 数 据 随 着 爬 取 数 据 的 不 断递 增 , 研 究 当前 大 数 据 环境 下 的 L u 。 。 n e全 文 搜 索 引擎 技 术 , 实 现 海 量 非 结 构 化 数据 的 高速 检 索 。