基于规则和情感的法治舆情监测系统研究与实现

发布时间：2021-05-06 21:02

　　随着互联网的飞速发展和网民数量的激增,近年来各种网络舆情事件的热点形成速度和影响范围都有了显著增长。由于国家建设法治社会的呼声越来越高和公民法律意识的不断提高,在各类舆情热点中法治舆情的数量占比有逐年上涨的趋势,这是我国社会发展的必然阶段。为此,专门针对法治舆情设计相应的舆情监测系统有其实用价值,一方面能够对相应网络舆情进行管控,另一方能够反映民众真实法治诉求,提高社会法治水平。本舆情监测系统主要基于白名单规则和情感分析技术来实现。重点做了以下三方面的工作:一是实现法治舆情与一般网络舆情的区分,通过对法治文本的关键词抽取并结合人工筛选,制定两级法治舆情关键词库,同时考虑关键词频率及浅层句法来制定法治舆情白名单规则,实现对法治舆情数据的选取;二是针对特定法治舆情实现对违法主题的事件抽取并形成摘要,即实现对法治舆情中的时间、地点、利益相关人物、涉嫌犯罪情节等核心要素的提取;三是依据法治领域专有词汇扩充情感词典,结合特殊语法结构与句子分布情况等特征来计算违法主题事件摘要的情感程度及其法治舆情情感倾向性。从以上三个方面来提高对网络法治舆情的分析能力。由于目前我国针对特定领域的舆情监测系统较少,... 

【文章来源】：江西财经大学江西省

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    1.1 研究背景
        1.1.1 网络舆情与其特征
        1.1.2 法治舆情与其特征
    1.2 国内外研究现状分析
        1.2.1 国外研究现状分析
        1.2.2 国内研究现状分析
    1.3 研究目的及意义
    1.4 论文主要工作
    1.5 论文章节安排
第二章 相关技术背景
    2.1 网络舆情监测
    2.2 信息采集
        (1)搜索引擎
        (2)网络爬虫
        (3)重复网页识别
    2.3 中文分词技术
    2.4 文本自动摘要
    2.5 文本情感分析
    2.6 Django后端框架
    2.7 本章小结
第三章 需求分析
    3.1 可行性分析
    3.2 功能需求分析
        3.2.1 系统用例分析
        3.2.2 系统活动分析
    3.3 性能需求分析
    3.4 本章小结
第四章 筛选法治舆情
    4.1 舆情筛选目的
    4.2 法治舆情关键词提取
    4.3 法治舆情白名单区分规则
    4.4 实验评估
    4.5 本章小结
第五章 违法主题事件摘要生成
    5.1 违法主题事件价值
    5.2 违法主题摘要生成流程
        5.2.1 有价值数据挑选
        5.2.2 违法事件认定
        5.2.3 统计生成违法主题摘要
    5.3 实验与评价
    5.4 本章小结
第六章 法治舆情情感分析
    6.1 研究目的
    6.2 情感分析技术
        6.2.1 基于情感词典的方法
        6.2.2 基于机器学习的方法
    6.3 法治舆情情感分析
        6.3.1 法治舆情情感词典制作
        6.3.2 主要方面情感分析
        6.3.3 舆情影响程度计算
    6.4 实验评估
    6.5 本章小结
第七章 系统设计与实现
    7.1 系统设计
        7.1.1 总体流程设计
        7.1.2 系统架构设计
        7.1.3 系统类图建立
        7.1.4 数据库设计
    7.2 系统模块设计与实现
        7.2.1 舆情数据采集实现
        7.2.2 法治舆情数据处理实现
        7.2.3 舆情数据分析实现
        7.2.4 WEB应用设计与实现
    7.3 系统测试
        7.3.1 测试目的
        7.3.2 测试环境
        7.3.3 功能测试
    7.4 本章小结
第八章 总结与展望
    8.1 论文工作总结
    8.2 工作展望
参考文献
致谢
攻读硕士学位期间的研究成果


【参考文献】：
期刊论文
[1]基于篇章主次关系的单文档抽取式摘要方法研究[J]. 张迎,王中卿,王红玲.  中文信息学报. 2019(08)
[2]网络舆情监测系统的分析与设计[J]. 洪小娟,宗江燕,于建坤,黄卫东.  软件工程. 2019(08)
[3]基于深度学习的文本自动摘要方案[J]. 张克君,李伟男,钱榕,史泰猛,焦萌.  计算机应用. 2019(02)
[4]利用框架语义知识优化事件抽取[J]. 陈亚东,洪宇,王潇斌,杨雪蓉,姚建民,朱巧明.  中文信息学报. 2017(02)
[5]中美网络舆情监控比较[J]. 周松青.  北京社会科学. 2017(01)
[6]大数据时代政府统计转变及思考[J]. 赵英姝,戴明锋.  中国统计. 2017(01)
[7]一种基于神经网络模型的句子排序方法[J]. 康世泽,马宏,黄瑞阳.  中文信息学报. 2016(05)
[8]中文分词与词性标注研究[J]. 梁喜涛,顾磊.  计算机技术与发展. 2015(02)
[9]基于SVM结合依存句法的金融领域舆情分析[J]. 黄进,阮彤,蒋锐权.  计算机工程与应用. 2015(23)
[10]基于LDA主题模型的短文本分类方法[J]. 张志飞,苗夺谦,高灿.  计算机应用. 2013(06)

博士论文
[1]面向特定领域的互联网舆情分析技术研究[D]. 张长利.吉林大学 2011



本文编号：3172611