Pajek社会网络分析的网络舆情观点主题发现研究(2)

(3)Preprocess the data sets which are related to he event named “Shuanghui imports pork from US”。 Then extract the theme of micro-blog data sets by using LDA model of JAVA version。 Finally, we can receive the daily micro-blog view by summarizing the feature words of the theme。

(4)Cluster the micro-blog data sets by using the LDA model to get the greatest possible point of view that the micro-blog belong to。

(5)Build the “users-opinions”2-mode network based on the clustering results。 Then achieve this network visualization by using the Pajek which is SNA software。 From the measurement results of the visual effect diagram and social network penetration index can obtain what are the main views that the public opinion events participants held, and the views of evolution with time。

The experiment shows that using the LDA model and the artifical summary can obtain the main points of view, and the results are more accurate, but the effect of text clustering only by LDA model is not ideal。 At the same time, it is feasible to analyze the evolution of the topic of public opinion from the perspective of social network。

Keywords Online public opinion, Social network, LDA model, Topic discovery, Document clustering

1。绪论 1

1。1研究背景及研究意义 1

1。1。1研究背景 1

1。1。2研究意义及应用前景 2

1。2研究现状 2

1。2。1网络舆情关键技术研究现状 2

1。2。2网络舆情主题发现研究现状 4

1。3研究内容与研究方法 5

1。3。1研究内容与技术路线 5

1。3。2研究方法 6

1。4论文创新点 6

2。相关理论基础研究 7

2。1主题发现相关理论 7

2。1。1观点主题发现的内涵 7

2。1。2主题发现实现方法 7

2。1。3 LDA模型概述 8

2。2社会网络分析相关理论 9

2。2。1社会网络分析的特征指标 9

2。2。2典型社会网络分析软件 10

3。网络舆情观点主题发现方法体系 10

3。1观点主题发现方法框架设计 10

3。1。1维度分析 11

3。1。2框架模型 12

3。2“用户-微博”复杂网络 13

3。2。1网络节点的选取与节点关系的确定 13

3。2。2 “原始微博-评论微博”1-模网络 14

3。2。3 “原始微博-点赞用户”2-模网络 14

3。2。4 “评论微博-点赞用户”2-模网络 14

3。2。5 “评论微博-评论用户”2-模网络 15

3。3观点主题发现模型 15

3。3。1 基于LDA模型的微博观点主题抽取 15

3。3。2 “微博-所属观点主题”2-模网络 Pajek社会网络分析的网络舆情观点主题发现研究(2):http://www.youerw.com/xinwen/lunwen_99450.html