舆情监测的重要性

2022-07-25

第一篇：舆情监测的重要性

高校进行舆情监测的重要性

做好网络舆论引导提升高校治理能力

当前，网络技术的发展日新月异，网络信息已经实现了图、文、声、像的一体传播。特别是智能手机在大学生中广泛使用，使得校园内的网络信息传播更加隐蔽且难以控制。做好大学校园内的网络舆情研判、引导工作，用科技手段促进高校治理体系和治理能力现代化已刻不容缓。

高校舆情的特点：

自由性与多元性

伴随着网络的自由性而来的是网络的多元性。多元性是指对同一个问题,由于公众的社会背景、文化程度的不同而持有的不同看法和态度。网络是一个高度自由的虚拟空间，它能够打破地域和空间的阻隔，让各种不同的，甚至相互冲突的意识形态、思想观念相互渗透。尤其当下西方敌对势力利用其网络技术优势，对我国加紧实施意识形态渗透，直接着力于对人们尤其是对道德观、价值观尚未成熟的青年大学生思想的改变。这种影响的后果具体表现为“四强四弱”现象：“经济意识强化，政治意识弱化;个人意识强化，集体意识弱化;功利意识强化，奉献意识弱化;休闲意识强化，敬业意识弱化”。

即时性和放大性

网络的即时性使网络信息在传播中产生了令人难以预料的连锁放大效应。大学生网络普及率极大提高的今天，网络上的任何风吹草动都可能在学生中间引发蝴蝶效应。

网络的多元性、自由性和匿名性一方面有利于培养大学生进行独立思考和判断的能力;但另一方面，网络特殊的“匿名性”又容易诱发大学生在虚拟空间中实践在现实社会中无法尝试的道德破坏甚至犯罪行为。近年来大学生规模的快速的增长使校园网络人群剧增。但网络立法、网络教育管理以及计算机技术的发展却相对滞后，这导致相当一部分大学生缺乏良好的网络行为规范。互联网的虚拟性使网络成为不加编辑裁剪的发散性信息源，众多具有一定刺激性的中介性事件，在网络这个即时传播的空间里，成为触动大学生神经，诱发群体心态变化的导火索。当整个大学生群体产生被“点燃”的激发心理效应时，即使是积极的群体激情，也难免产生负面心理效应。高校网络舆情发展的过程分析

高校网络舆情的形成与发展，遵循事物发展的普遍规律，经历形成、发展和高涨的一般过程，但也有其自身的特殊性。

高校网络舆情的形成。当前，大学生经常使用的微信、微博等网络社交媒体的“自媒体”倾向更为突出，大学生上网的“碎片化”程度更高，信息传播更加隐蔽、快捷，网络已经成为高校舆情产生和发展的主阵地。高校网络舆情的初步形成一般经历两个阶段：学生因关注某一事件，通过网络表达自己的看法或者直接诉求利益，这种诉求一开始是零星的、孤立的个体行为;因这一事件具有一定的刺激性或代表性，更多的学生给予关注，并通过网络展开比较大范围的讨论，逐渐形成了一种或几种有代表性的意见，网络舆情初步形成。在网络舆情初步形成阶段，需要正确判断学生零星的意愿表达能否引发更大范围的讨论，并对引发讨论的缘起事件有一个科学准确的把握。

高校网络舆情的发展。当网络舆情初步形成后，围绕初步形成的意见倾向，大学生会通过网络展开进一步的讨论，形成一种或几种比较集中的言论。一般情况下，网络舆情信息的汇聚整合遵循传播学中的“沉默螺旋效应”，即占优势地位的观点会因更多的人赞同而越来越强大;而较为弱势观点的持有者会逐渐失去讨论的机会或放弃讨论，从而变得越来越弱直至最后消亡。因此，在这一阶段引导大学生的网络讨论朝着客观、与事实相符的方向发展是网络舆情发展阶段的重要任务之一，培养大学生网络意见领袖引导网络讨论、通过多种渠道发表权威信息是必然选择。

高校网络舆情的高涨。网络舆情在发展阶段如果不能得到很好的控制，带有倾向性的意见就会通过网络不断的发酵、扩散，形成舆论导向，这种舆论导向一旦形成，就更加难以控制。如果这种舆论导向集中在学生对学校的不满或其他过激思想时，就很容易诱导他们把不满情绪通过现实行为表达出来，引发过激行动，演变成为群体性事件，给高校日常管理工作带来十分严峻的挑战。需特别指出的是，一旦网络舆情通过大学生的现实行为表现出来，两者极易形成“共振”，相互印证、相互促进，甚至向着更为极端的方向发展。因此，网络舆情一旦和大学生的现实行动结合起来，亟待解决的问题是引导舆论导向、引导大学生的网络行为，形成必要的危机预警机制。

高校网络舆情引导的策略运用

做好高校网络舆情引导工作，需要深入探讨网络舆情发生、发展的一般规律，及时关注、妥善处理网络舆情信息扩散传播的关键节点。

建立网络信息员队伍，收集研判舆情信息。做好信息收集与研判工作，是有效监控网络舆情产生、发展的前提条件，也是最基础的工作。学校以宣传部、网络信息管理中心和团委为主体，建立了校—院(系)—班级三级网络信息员队伍，学校层面和院(系)层面的网络信息员主要由宣传部、网络信息管理中心工作人员及各学院主管学生工作的党总支副书记、辅导员组成，重点关注学生使用较多的网络论坛;班级的网络信息员主要由学生党员、学生干部组成，主要监测学生的微信群、微博等，对于传播速度比较快且具有共性的信息，及时向学院的主管领导或学校宣传部门报告，由宣传部组织人员对此进行研判，并形成初步的处理意见。在这一方面可以运用一下舆情监测软件进行辅助舆情管理工作。这样不仅节省人力物力，最重要的是大大提高舆情监测的效率。目前市场上的舆情监测产品很多，北京西盈舆情就是一家专业从事舆情监测系统研发和应用的供应商。西盈舆情监测产品都是针对每个客户的具体需求进行个性化的定制。因此是党政机关和高校进行舆情工作管理不可或缺的舆情管家。

发布网络权威信息，确保大学生的知情权。发布权威信息，是消除不良信息进一步扩散传播的重要选择之一，更是防止网络谣言滋生、以讹传讹的有效手段。目前，除去学校的官方网站外，学校建立有官方微博、微信平台;各级团学组织、社团组织也均建立了官方微博、微信平台，形成了强大的微博、微信矩阵，各个平台之间实现了互联互通，并且有着各自特殊的粉丝人群，用学生乐意接受、经常使用的方式来发布官方权威信息。

培养“网络意见领袖”，做好网络舆论引导工作。网络舆论一旦形成，做好舆论引导工作就显得刻不容缓。培养思维敏锐、深刻的“网络意见领袖”，引导师生的网络言论和意见表达，从而在师生中产生具有倾向性的意见，是做好舆论引导工作的重要途径之一。目前，学校在各级网络信息员中都培养有“意见领袖”，他们在学校内部事务管理、重大政治事件网络讨论中起到了很好的引导作用。此外，学校还注重通过微博来培养“意见领袖”，通过“大V”来发布信息、让更多学生了解学校的重大事件和重要决策。

构建“诉求—回应”机制，搭建校生沟通互动平台。高校网络舆情产生的最根本原因在于大学生现实的利益诉求渠道不够通畅，更多学生愿意通过网络来表达意愿、诉求利益。构建良好的“诉求—回应”机制，是引导大学生合理诉求利益，规范高校网络舆情的根本之策，而主动倾听不同的声音、不同的看法，做好与学生的沟通交流，无疑是一种进步。在实践中，学校通过开通校长信箱、实施领导接待制度、设置网络讨论平台、开通微博平台等多种方式，畅通学校与青年学生之间的沟通交流渠道，并及时做好反馈，有效解决了学生的利益诉求。

做好青年教师网络行为的引导，形成良性舆论导向。青年教师是高校教师群体的主体，他们思维活跃但个别时候不够冷静，同广大学生一样喜欢利用网络讨论问题、发表意见。此时，他们一方面是意见的讨论者，另一方面又是青年学生的引领者，他们的意见更容易在校内形成舆论导向。合理满足青年教师的利益诉求，做好青年教师的网络行为引导，是校内网络舆论引导工作的重要手段之一。学校一方面高度重视青年教师的现实要求，通过教职工生活园区建设，帮助解决子女入托、入学，调整校内收入分配制度等方式解决他们生活上的后顾之忧，让他们满怀家校情怀投入工作;另一方面注重个体引导，有针对性地做好青年教师在微信、微博等网络平台中发布信息的解释说明工作。在学校迎接教育部本科教学工作合格评估、学校转型发展等关键问题上，学校领导、部门负责人通过召开座谈会、个体交流等多种方式在广大青年教师中统一了思想、达成了共识，确保校内舆论导向与上级决策和学校党委的重大发展战略一致、同步。

建立预警机制建设智慧校园

目前，网络技术飞速发展，高校网络舆情也变得更加复杂、难以控制。高校需进一步利用自身的技术优势、科技优势，做好网络舆情引导，切实提升服务师生的能力，从而提升学校的治理能力和水平。

利用技术优势，建立师生思想行为预警机制。当前，网络技术已经进入大数据时代，大数据的核心就是预测。高校拥有的就是技术优势，我们可以通过海量的数据分析，预测出事情发生的方向，在技术层面上建立大学生的思想行为预警机制是可行和必要的。大数据中心可以获得学生在微博、社交网络以及搜索引擎中活动的数据，并利用大数据技术进行挖掘和分析，此时，结合学生校内的活动信息，就可以了解某些大学生在某一特定时期的思想和行为动态，及时拿出预防策略，将可能发生的不良事件消灭在萌芽状态。此外，通过建立良好的数据采集和挖掘机制，还可以在海量的数据中发现学生中间共性的、带倾向性的意见、信息，并对此类舆情信息的发展走向做出科学研判，构建较为完善的大学生思想行为危机和校园网络舆情危机预警机制。

打造“智慧校园”，实施了智慧安防、无线网覆盖、掌上校园等智慧校园建设项目，智慧校园架构逐步形成。智慧校园建设中，采用大数据技术进行数据挖掘，进行事前预测、过程监督、事后评价，用于支撑学校决策、管理和服务。

加强网络自律，抵制不良网络信息扩散传播。大学生面对内容纷繁复杂、良莠不齐的网络信息，如果没有较强的自律意识，仅仅依靠外界的“教育和帮助”，始终不能从根本上解决问题。高校和大学生思想政治教育工作者要把培养学生自我教育、自我管理、自我约束、自我负责的意识和能力作为工作的重要目标之一，把培养学生运用辩证唯物主义观点和方法分析解决实际问题的能力，学会明辨是非的能力以及对各种信息选择、辨别和分析的能力放在重要的位置。在帮助学生提高比较、分析网络信息良莠能力的同时，培养他们自主、自律的主体意识，自觉选择、吸收外界有用的、正确的信息，摒弃丑陋的、错误的、有害的信息。同时，自觉规范自己的行为，自觉抵制丑陋、有害、错误网络舆情信息和不良思潮的影响。

第二篇：社区网络舆情监测管理的重要性以及实施措施

社区社交媒体成为大众分享意见、见解的平台，大大了增加了社区网络舆情突发频率。因此，为有效管理社区网络舆情，相关社区管理部门就需做好舆情信息监测、搜集和整理，分析好舆情事件的发展趋势和动向。

1. 对社区网络舆情信息进行监测、分析，从而把握舆情走向并作出预警便是对社区网络舆情的监测。社区可以借助网络舆情监测预警系统工具，并结合人工的方式，对重点领域、重要人物、重大事件进行全网24小时监测，确保第一时间发现舆情。

对于发现的社区网络舆情，涉事主体要迅速对舆情走势、风险级别进行评估，并及时报告上2.级业务部门。特别重大舆情务必1小时内上报，重大舆情务必2小时内上报，较大和一般舆情应酌情适时上报。 3.按照“早发现、早处置、早平息”的基本要求，及时了解舆情出处，对引发该舆情的不实之处进行澄清。同时组织舆情工作领导小组和评论员，以普通群众的身份、从普通网民的角度出发，对负面舆情进行释疑解惑，引导舆论的正面发展。当负面影响增大时，领导小组应有意识地选择重要信息在主流媒体发布，维护社区的良好形象。 4.在社区网络舆情处置的过程中，要充分利用新闻发言人机制，一旦有突发事件发生，要在第一时间发布信息，优先占领传播高地，为各媒体的新闻报道提供内容基调，掌握舆论主动权，避免滋生谣言。当公众在第一时间获得了相关信息后，能给公众带来安全感，树立政府部门负责任的形象，并为今后网络舆情的引导创造积极的作用。 5.引导社区网络舆情要注意方式方法，把握原则，遵循规律，正确引导舆情才能产生预期的效果。首先，要坚持“第一时间效应”规律。利用网络传播快捷特点，在第一时间发布权威信息，做到关键时候不“失语”，满足不同社会群体不同层次的信息需求，消除可能产生负面舆论热点的信息盲点。

其次，遵循“以理服人”的规律。防止粗俗，拒绝谩骂，更多地运用普通用语进行交流。坚持客观公正，提高公信力;坚持以理服人，提高说服力。

最后，要注重对议题的引导。在舆论引导中除了要注意把握传播过程、参与主体外，还要根据议题的特点，因势利导。治本之策是真诚、切实、及时地解决现实突发事件本身，最大限度地平息民众的不满和关注。对于暂时无法妥善解决的事件，则要开诚布公地向民众作出解释，以尊重民意的态度和积极行动的姿态来取得民众的谅解和支持，再适时把注意力引导到其他的议题上。

6.为确保在事件发生后，能够及时获取到最新的舆情信息动态，及时发现新问题。社区管理部门就需做好网络舆情监测，配备像蚁坊这类的专业的舆情监测系统和监测人员。首先，通过系统实现区内各类网络问政平台、新闻网站、重点论坛实时信息监测，自动敏感信息预警。其次，网络舆情监测员再根据系统告警的信息，整理汇总，如有异常及时向上级部门汇报

7.网络舆情管理流程必须有始有终，总结是流程一个必要的“收尾”工作。要在前面几个阶段的工作完成后，及时总结成功经验，找出问题和不足，制定解决问题的方案和弥补不足的措施，以期今后能做得更好，这也是自我完善和提高的一个必要手段。同时要整理材料，上报相关职能部门，以备今后查阅和相互交流学习。

第三篇：乐思网络舆情监测：自媒体时代的舆情危机公关需从网络舆情监测开始

【舆情研究】自媒体时代的舆情危机公关需从网络舆情监测开始

自媒体时代的到来使得以微博为代表的微博传播媒介治理和网络舆情监测成为舆情研究新课题。在自媒体时代，传播媒介特别是微博传播对于社会发展的积极作用和负面作用同样明显，而法规建设则远远落后于技术发展，因此，“微传播”是把双刃剑备受政企的重视。

微博作为自媒体传播时代的典型代表，其具有很强的信息传播力，特别是轰动性消息的传播范围之广，对信息当事人影响程度之深令人惊讶。因此，微博成为众多政企展开网络口碑建设的有效途径，然而由于网络管理机制的不完善、网民结构的多样化和网络舆情监测手段的缺失，这就必然使得网络传播存在风险。

当下，经济的快速发展，使得整个社会呈现出浮躁感，网上泛娱乐化和炒作现象普遍，人们对负面新闻事件的敏感性增强，这些导致网络负面信息更容易发酵传播，形成负面舆情环境，如果处理不当不及时，对政企形象的破坏将是深远的。

乐思网络舆情监测系统监测数据显示：近段时间，网络上掀起的各类舆情议论潮，陕西的“表哥”事件、广东的“表叔”事件、白酒塑化剂超标事件以及肯德基速成鸡事件就是自媒体时代体现微博舆情威力的典型案例。微博热点事件的偶然集中发酵，使得政企对突然而至的网络舆情危机倍感压力，对事件发生没有心理准备，导致舆情危机处置严重滞后，不利于网络舆情危机处置第一时间法则。因此，如何突围微博舆情危机，建立有效的网络舆情监测机制成为政企急需解决的问题。

现今，网络舆情危机爆发具有很大的突发性。一条不起眼的负面信息经网络的发酵很可能突然演变成一场网络舆情灾难，而如果缺乏有效网络舆情的预警，突发而来的舆情风暴就会让政企在处理危机时乏力感倍增。

面对自媒体时代网络危机的强劲爆发力，做好网络舆情监控就显得尤为重要。准确全面的网络舆情监测，可以很好地帮助政府企业获取网络微博舆情动态，了解民意民声，实时监测微博相关话题信息的传播效果，监控微博虚假负面信息，在网络舆情危机爆发时可以妥善的、有目的性的针对处置。

以乐思网络舆情监测系统为例。该网络舆情监测系统由两个子系统组成：自动采集子系统与结果浏览子系统。可以对微博上一切与本地区相关的信息，特别是负面信息进行及时有效的监测，其监测范围囊括各大网络媒介的微博平台，并可对重点微博话题实施重点监测，最后对检测结果生成各类数据图表和舆情日报周报。

在当下变幻莫测的复杂自媒体环境下，政府和企业只有做到知己知彼，才能及时发与我相关的舆情呼声，第一时间了解民意，在萌芽状态化解矛盾。

第四篇：如何做好网络舆情的监测

首先，要自己有确定的监测范围和目标，知道自己要干什么

其次，选择一家好的舆情监测公司，关键是要采集技术好，比如乐思之类的采集出身的企业，这是一定的，否则其他的都是空谈

第三，要有自己的舆情查看、处理人员，专门负责第一时间处理采集到的舆情信息

具体到不同的企业的网络舆情监测的流程可能不一样，但是大致都是三个部分，如下(以乐思网络舆情监测系统为例)：

1.制定危机预警方案。针对各种类型的危机事件，制定比较详尽的判断标准和预警方案，以做到有所准备，一旦危机出现便有章可循、对症下药。此步骤主要是确定好监测的目标网站和过滤关键词。

2.密切关注事态发展。保持对事态的第一时间获知权，加强监测力度。这个可以通过例如乐思舆情监控系统之类的技术，在第一时间大量来采集、汇总各种互联网上的信息。

3.及时传递和沟通信息。即与舆论危机涉及的政府相关部门保持紧密沟通，建立和运用这种信息沟通机制，已经成为网络舆情管理部门的重要经验。以上海为例，无论在涉日舆情、地铁调价，还是普陀城管打人等“网络热点舆情”处理上，各部门协同作战、相互配合、共同商议，判断危机走向，对预案进行适当修正和调整，以符合实际所需是危机应对的重要措施。

第五篇：基于网络舆情监测系统的分析

[摘要] 随着互联网的快速发展，网络媒体作为一种新的信息传播形式，已深入人们的日常生活。网民数量的持续快速的增加，以及网民通过网络形成的舆情越来越得到社会的广泛的关注。网络舆情监测系统就是针对网络舆情热点问题的预警。

[关键词] 网络舆情监测分析

随着互联网的快速发展，网络媒体作为一种新的信息传播形式，已深入人们的日常生活。中国网民数量也在持续快速的增加，2010年7月15日，中国互联网络信息中心(CNNIC)发布《第26次中国互联网络发展状况统计报告》，报告显示，中国网民规模达到4.2亿，手机网民民规模更达2.77亿。网民通过网络形成的舆情越来越得到社会的广泛的关注。从2003年的非典、孙志刚事件，到2010年教育局封杀论坛事件、马鞍山局长打人事件等等。这些事件性质、主体各不相同，但是有一个共同的特点，即他们都是通过网络而放大了事件的影响力。

1.网络舆情监测系统的概念

网络舆情是通过互联网传播的公众对现实生活中某些热点、焦点问题所持的有较强影响力、倾向性的言论和观点。

最近几年各种社会机构组织、企业、各级政府都纷纷重视网络舆情，2008年7月，江西60多位县级官员实名开博，多数是收集当地网民关注的民生问题。2010年9月8日，人民网?中国共产党新闻网正式推出“直通中南海――中央领导人和中央机构留言板”。该留言板突出互动性，旨在让广大网友对中央领导人倾诉心声，给中央机构提出意见和建议。

由于互联网具有虚拟性、隐蔽性、发散性、渗透性和随意性等特点，越来越多的网民乐意通过BBS论坛、博客、新闻跟贴和转贴等渠道来表达观点传播思想。如果引导不善，负面网络舆情将对社会公共安全形成威胁。对相关部门来说，加强对网络舆论的及时监测、有效引导，以及对网络舆论危机的积极化解，对维护社会稳定、促进国家发展具有重要的现实意义，也是创建和谐社会的应有内涵。对企业来说，准确掌握产品和市场情况，监控竞争对手和行业动态，是企业市场、行销决策的重要支撑。

从现在的网络舆情传播速度来看，信息出现后的1至3小时就可以被转至多家论坛，6小时后就可以被多家新闻网站转载，24小时在网上的评论和跟帖就能制造出热点事件和舆论高潮。因此能够第一时间知道现在哪些是热点舆情，哪些将会成为热点舆情，对于我们来说至关重要。

“网络舆情监测系统”是针对在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，民众对社会管理者产生和持有的社会政治态度于网络上表达出来意愿集合而进行的计算机监测的系统统称。通过这个系统，能够让我们有效的对网络舆情进行预警和应对。

2.网络舆情监测系统结构

网络舆情监测系统分为五大系统，分别是：网络舆情采集系统、网络舆情存储系统、网络舆情分析系统、网络舆情检索系统和网络舆情发布系统。如图1：

网络舆情采集系统会对互联网中的主要门户网站新闻、各大论坛的热门贴、关注度比较高的博客和微博以及各大主要的网络搜索引擎的热搜内容进行采集。采集后的数据存储进入统一的网络舆情存储系统。网络舆情分析系统对存储在舆情存储系统中的信息进行分析，把舆情内容归纳、整理、分类后得出最近阶段舆情的变化及趋势，并把分析好的数据存入存储系统。用户可以用网络舆情检索系统检索自己想要的最近、最新的焦点信息。最后通过舆情分析系统分析的信息、通过舆情检索系统检索的信息以及网络舆情存储系统中的信息都可以通过舆情报告系统发送和展示给用户。

3.网络舆情监测系统分析

3.1网络舆情采集系统

网络舆情采集系统是整个系统的基础。全世界互联网的信息是非常巨大的，即使仅仅对国内信息的检索也是海量的，而且由于网页设计的灵活性造成的网页结构复杂，网页的快速更新造成的网页内容动态性，以及一些网站对站内信息限制的技术手段造成网页内容不完整性，使得传统手工采集信息的方法非常低效率和高错误率。特别是最近几年，随着QQ群、博客、twitter等微博被网友广泛使用，这些主要为松散的，非结构化信息要实现采集的难度也越来越大，靠手工采集已经不太现实。

为解决这个问题，现在的采集系统往往采用具有一定智能的自动采集技术，国内外早期的网络采集方法是针对特定采集对象编写的程序，这个程序称为wrapper。近几年，越来越多的采集工具被开发出来用来代替传统的手工编写wrapper程序的方法。目前较为流行的采集工具可以分为六大类：

3.1.1开发wrapper的专用高级语言

传统的wrapper由于是手工编写针对某一个目标，如果要为大量目标手工编写非常不效率，通过专用高级语言可以方便编写wrapper。例如：Minerva，TSIMMIS，Web-OQL，FLORID，Jedi等。

3.1.2以HTML为中间件的工具(HTML-aware Tools)

这些工具在抽取时主要依赖HTML文档的内在结构特征。在抽取过程之前，这些工具先把文档转换成标签树;再根据标签树自动或半自动地抽取数据。代表工具有Knowlesys，MDR。

3.1.3基于NLP(Natural language processing)的工具(NLP-based Tools)

这些工具通常利用filtering、part-of-speech tagging、lexical semantic tagging等NLP技术建立短语和句子元素之间的关系，推导出抽取规则。这些工具比较适合于抽取那些包含符合文法的页面。代表工具有 RAPIER，SRV，WHISK。

3.1.4包装器的归纳工具(Wrapper Induction Tools)

包装器的归纳工具从一组训练样例中归纳出基于分隔符的抽取规则。这些工具和基于NLP的工具之间最大的差别在于：这些工具不依赖于语言约束，而是依赖于数据的格式化特征。这个特点决定了这些工具比基于NLP的工具更适合于抽取HTML文档。代表工具有：WIEN，SoftMealy，STALKER。

3.1.5基于模型的工具(Modeling-based Tools)

这些工具让用户通过图形界面，建立文档中其感兴趣的对象的结构模型，“教”工具学会如何识别文档中的对象，从而抽取出对象。代表工具有：NoDoSE，DEByE。

3.1.6基于本体的工具(Ontology-based Tools)

这些工具首先需要专家参与，人工建立某领域的知识库，然后工具基于知识库去做抽取操作。如果知识库具有足够的表达能力，那么抽取操作可以做到完全自动。而且由这些工具生成的包装器具有比较好的灵活性和适应性。代表工具有：BYU，X-tract。

3.2网络舆情分析系统

网络舆情分析系统为整个系统的核心功能，其主要包括以下功能：热点识别能力、聚类分析、倾向性分析与统计、信息自动摘要功能。

3.2.1热点识别能力

由于网络信息的更新和变化速度非常快，导致网络热点也时常转化，因此识别热点成为整个分析系统的前提条件。一般对于一段时间内的热门话题的识别主要是根据信息出处权威度、评论数量、发言时间密集程度等参数，给予一定的权重值，然后统计出该时间段内的热点。

3.2.2聚类分析

传统的手工统计分析对于海量的数据基本是无能为力，即使是勉强统计也会因为数据量而对数据的主题把握会产生偏差，从而造成统计数据失真，进而造成分析结果错误。

对文章标题和关键词进行聚类分析是现在常用的网络舆情分析方法，现在被广泛的采用，常用的聚类分析方法一般分为五类：

3.2.2.1划分方法

首先创建k个划分，k为要创建的划分个数;然后利用一个循环定位技术通过将对象从一个划分移到另一个划分来帮助改善划分质量。典型的划分方法包括：k-means，k-medoids，CLARA，CLARANS，FCM。

3.2.2.2层次方法

创建一个层次以分解给定的数据集。该方法可以分为自上而下(分解)和自下而上(合并)两种操作方式。为弥补分解与合并的不足，层次合并经常要与其它聚类方法相结合，如循环定位。典型的这类方法包括：BIRCH方法，它首先利用树的结构对对象集进行划分;然后再利用其它聚类方法对这些聚类进行优化。CURE方法，它利用固定数目代表对象来表示相应聚类;然后对各聚类按照指定量(向聚类中心)进行收缩。ROCK方法，它利用聚类间的连接进行聚类合并。CHEMALOEN方法，它则是在层次聚类时构造动态模型。

3.2.2.3基于密度的方法

根据密度完成对象的聚类。它根据对象周围的密度(如DBSCAN)不断增长聚类。典型的基于密度方法包括：DBSCAN:该算法通过不断生长足够高密度区域来进行聚类;它能从含有噪声的空间数据库中发现任意形状的聚类。此方法将一个聚类定义为一组“密度连接”的点集。OPTICS:并不明确产生一个聚类，而是为自动交互的聚类分析计算出一个增强聚类顺序。

3.2.2.4基于网格的方法

首先将对象空间划分为有限个单元以构成网格结构;然后利用网格结构完成聚类。STING就是一个利用网格单元保存的统计信息进行基于网格聚类的方法。CLIQUE和Wave-Cluster 则是一个将基于网格与基于密度相结合的方法。

3.2.2.5基于模型的方法

它假设每个聚类的模型并发现适合相应模型的数据。典型的基于模型方法包括：统计方法COBWEB:是一个常用的且简单的增量式概念聚类方法。它的输入对象是采用符号量(属性-值)对来加以描述的。采用分类树的形式来创建一个层次聚类。CLASSIT是COBWEB的另一个版本。它可以对连续取值属性进行增量式聚类。

3.2.3倾向性分析与统计

对信息的阐述的观点、主旨进行倾向性分析。可以为网络舆情的分析提供参考依据。

但是由于网络词汇的多样性，网络上出现许多新词，要判断这些词的倾向性就比较困难，一般倾向性分析可分为三种：

3.2.3.1情感倾向词典

中文词语情感倾向词典是给定一组已知极性的词语集合作为种子，对于一个情感倾向未知的新词，在电子词典中找到与该词语义相近、并且在种子集合中出现的若干个词，根据这几个种子词的极性对未知词的情感倾向进行推断。

3.2.3.2机器人学习

与词典法比较类似，也是给予一些已知极性的词语作为种子词，对于一个新词根据它和种子词的紧密程度对其情感倾向性进行推断，不同的是他是根据词语在种子库中的同现情况判断其联系紧密程度来作为判断依据。

3.2.3.3人工标注种子库