互联网多维层次式舆情指数若干计算方法的研究与实现

论文摘要

随着互联网在全球范围内的飞速发展,互联网逐渐发展成为群众发布信息、获取信息和传递信息的主要载体。网络媒体作为社会舆论的工具,具有反映和引导社会舆论的功能,网络舆论的导向作用日益强大。及时掌握舆情动态、积极引导社会舆论,是维护社会稳定和执政党执政安全的重要举措。因此,舆情指数计算是研究舆情监控、态势推演以及预测等技术的基础,研究一种多维度层次式舆情指数计算方法具有重要的理论意义和实际价值。本文针对多维度层次式舆情指数计算方法进行研究,在明确舆情指数及其相关概念基础上,着重探讨了舆情指数计算方法与多维度、层次式计算模型,旨在提供一种多维度、层次化的展现方式,以便于及时掌握社会各方面的舆情动态,从而积极引导社会舆论。本文主要研究内容如下五个方面:(1)本文首先给出了舆情指标体系的概念架构,详细说明了多维层次式舆情指数计算方法的整体流程。(2)根据舆情指标体系多角度、层次式的特点,本文研究了一种基于RDF的层次化概念表示模型,向人们提供了一种可配置的层次式舆情指标体系。(3)根据舆情指数的特点,本文主要研究了流通度指数与危害度指数的具体计算方法。(4)根据OLAP技术中“维”的概念,本文参考“星形模式”的数据存储方式,具体给出了多维度、层次式计算模型,然后给出了基于熵权系数法的多指标评估方法,鉴于传统OLAP技术不支持加权系数聚集,本文给出了一种加权系数的聚集方法。(5)利用上述研究成果,本文基于pentaho组织的开源OLAP分析引擎Mondrian,设计并实现了互联网舆情指标体系的原型系统,详细说明了主要模块的实现方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 相关研究综述
• 1.2.1 舆情分析相关研究现状
• 1.2.2 网络安全指标体系研究现状
• 1.2.3 舆情指标体系研究现状
• 1.2.4 社会学指标体系研究现状
• 1.3 本文的主要研究内容和组织结构
• 1.3.1 本文的主要研究内容
• 1.3.2 本文的组织结构
• 第二章 舆情指标体系概念模型
• 2.1 研究背景
• 2.2 相关定义
• 2.2.1 舆情信息的特点
• 2.2.2 互联网舆情的定义
• 2.2.3 舆情指标体系的定义
• 2.2.4 舆情指数的定义
• 2.3 舆情指标体系的概念架构
• 2.4 舆情指标体系概念模型
• 2.4.1 RDF 介绍
• 2.4.2 基于RDF 的层次式概念表示模型
• 2.5 本章小结
• 第三章 舆情指数计算方法
• 3.1 研究背景
• 3.2 舆情指数计算方法
• 3.2.1 流通度计算方法
• Spread 算法'>3.2.2 Index_Spread 算法
• 3.2.3 流通度增量式计算
• Spread 算法实验'>3.2.4 Index_Spread 算法实验
• 3.2.5 危害度计算方法
• W 算法'>3.2.6 Index_W算法
• W 算法实验'>3.2.7 Index_W算法实验
• 3.3 本章小结
• 第四章 多维度、层次式计算模型
• 4.1 研究背景
• 4.1.1 OLAP 基本概念
• 4.1.2 MDX 介绍
• 4.1.3 常见OLAP 聚集函数介绍
• 4.2 多维度、层次式计算模型
• 4.2.1 “星形模式”数据存储
• 4.2.2 数据库表设计
• 4.2.3 数据入库流程
• 4.3 基于熵权系数法的多指标评估方法
• 4.3.1 多指标综合方法相关研究
• 4.3.2 Syn 算法
• 4.3.3 Syn 算法实验
• 4.4 带权系数的聚集方法
• 4.4.1 传统OLAP 技术聚集
• 4.4.2 自底向上权值计算
• 4.4.3 BUW 算法
• 4.4.4 带权系数的聚集方法
• 4.4.5 实验研究
• 4.5 本章小结
• 第五章 原型系统设计
• 5.1 Mondrian 系统结构
• 5.2 原型系统
• 5.2.1 舆情指标体系层次化概念表示模型
• 5.2.2 舆情指数计算模块
• 5.2.3 权值确定模块
• 5.2.4 Mondrian 的Connection
• 5.2.5 Mondrian 的Schema Manager
• 5.3 本章小结
• 第六章 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 作者在学期间参加的科研工作