天问智讯舆情分析组件

热门组件/控件

» 组件定位
    天问智讯舆情分析组件定可对海量互联网信息中发生的事件及网民展开多维度分析，对于事件的分析包括热点事件的多维度发现，事件的发展趋势及传播强软件定制

度的分析，以及在整个事件中对网民的态度进行多情感分析；对于互联网中的网民，此组件也进行其社会网络的分析。
» 功能介绍
»多维度热点发现和分析
    互联网热点出现具备不确定性，热点的源头可能在新闻、博客、微博和论坛中的任意一个数据源；热点出现的方式具备多样性，肯能是短时间聚集大量网民讨论单条信息而形成，亦有可能是各大网站共同关注而形成多条信息报道或者相互转载而形成。天问智讯舆情分析组件研发了多维度热点发现和分析功能，在热典范摁下方面中注重多视角、多方面去发现和分析热点，以避免舆情业务工作中出现“热点盲区”。
    热点发现包括以下几个部分：

  分别按新闻、论坛、博客、微博、视频数据来源进行多时间粒度的热点分析；     多来源数据混合的热点分析；     按照分类体系的热点分析；     传媒关注热点采集和分析。

»趋势及传播强度分析
   天问智讯舆情分析组件利用自主研发的“量熵”，“强熵”分析与预警指标体系，在特定时间范围内，通过各大新闻媒体站点对此事件报道，以及各大博客，论坛，微博、视频网站中网民讨论或转载情况，对特定热点事件，进行其传播趋势及强度的分析。
»网民态度多情感分析
    文本多情感分析旨在于从带有噪声的网页中过滤提取出于特定事件相关的并具有主观情感的页面，通过分析文本内容，判断战队这些网页中特定人物、组织、指定事件的四种情绪（高兴，愤怒，忧伤，恐惧）的信息数量。其技术难点包括：1设计实现文本内容
中情感信息的抽取；2设计实现基于知识库与机器学习相结合的情感分类算法。
    天问智讯的舆情分析组件采用以情感词最为文本特征的SVM情感分类方法，对社会舆情进行分析。系统选择以人工标注的包含四类常见情感（高兴，愤怒，忧伤，恐惧）的文本最为训练语料库，训练情感分类器。
»信息正负面极性分析
    信息的正负面极性分析即文本倾向性分析就是对用户对某个事件的看法或者评论文本的挖掘，从而得到该看法或评论是属于对盖世五的积极或消极意见，使用实体抽取通过指代消解、关系抽取、事件抽取算法，获得实体间的关联关系。然后对评论的情感倾向性、人物支持度以及事件进行语义倾向性分析。本组件使用细粒度到粗粒度的语义倾向性分析算法来对相关人物、组织、事件及主题进行支持度分析。从短语级到句子级、从句子级到篇章级的语义倾向性分析。并对网络信息中对这些尸体的正负倾向性的信息量进行统计。
»网名社会网络分析
  自动构建关注的各大论坛，博客，微博站点中特定用户的关系，构建其关系网络。