网络舆情的概念.doc

网络舆情
客户 项目
核心是文章，是最小单位，有很多属性：
基本属性（标题、内容、发布时间、来源、作者）
高级属性：点击量 评论 评论数 转载 转载数
文章仅适用于新闻论坛博客微博
文章集合：若干个相同的文章（相同的概网络舆情
客户 项目
核心是文章，是最小单位，有很多属性：
基本属性（标题、内容、发布时间、来源、作者）
高级属性：点击量 评论 评论数 转载 转载数
文章仅适用于新闻论坛博客微博
文章集合：若干个相同的文章（相同的概念）（）
文章识别码 + url地址=共同组合成为文章 一个识别码+多个URL就是文章集合。Articlcode articlpass
很多新闻可以出现在多个网站，但可以来源于一个网站
文章 分类
归类 （用户） 分类 用户定义的项目
用户在进行分类，就是用户要定义的项目。
怎么分类： 贝叶斯算法 关键词出现的次数
归类：关键词匹配（支持组合关键词）
事件：
舆情监测的目的是为了发现事件。有可能是（潜在的、未发生的)内容。事件是有特征的，人物、地点、开始、发展（点击量、转载量、评论）；会有跟多的人去关注它。
案例：文章的瞬间转载量超过50 ，那么它讲述的内容有可能成为事件，潜在的危险事件。系统就会把文章提取出来，通过事件展示给用户。判断事件会真正成为事件，用户要进行沉淀，沉淀出中心思想（组合短语）。提取出组合短语后，这个事件就真正启动，系统就开始继续监测。
事件的定义：通过事件聚合为文章的大的集合，不同的文章报道的都是一个主题。
舆情：提前发现潜在的危险
活动：可预知的一种行为，比如中博会的举办，但是对中博会要发生什么事件。
活动主题：组合关键词，汇聚成为一个文章组合。
网络矿工舆情监测系统
事件 未知的 系统推出一篇文章，提出一个主题进行监控。
可预知的 客户知道要发生的事。
舆情
引擎： 采集 分析 跟踪 预警 这些数据都沉淀在数据库中
管理：用户可以对项目和文章进行修改，进行完整的统计报表的浏览
前台网站：对所有用户
采集 全网监控 精确监控 爬虫监控
数据采集引擎 高效 单位成本 单台服务器每天可采集30万-40万的网页。
分析引擎 文本归类 对文章正负面分析 点击回复转载来分析 文章唯一识别码 事前分析（起始 高潮 急速） 对递增量进行控
跟踪引擎 辅