大数据时代如何利用指数分析舆情
大数据环境下的舆情传播路径分析研究
大数据环境下的舆情传播路径分析研究随着互联网的发展，大数据技术的应用越来越广泛。
大数据对于舆情传播的影响也越来越显著。
本文将从大数据环境下的舆情传播路径进行分析研究。
一、什么是大数据环境下的舆情传播路径大数据环境下的舆情传播路径是指舆情信息在互联网上的传播路径。
这种传播路径是由互联网上的各种信息平台形成的。
在这种传播路径下，舆情信息可以在互联网上进行全面传播。
二、大数据环境下的舆情传播路径研究的重要性大数据环境下的舆情传播路径研究对于了解舆情信息的传播趋势有很大的意义。
通过对舆情传播路径的研究，可以更准确地掌握舆情信息的传播动向，从而更好地制定舆情应对策略。
三、大数据环境下的舆情传播路径研究的方法1、网络爬虫技术网络爬虫技术是指利用一定的算法和规则，通过互联网搜索引擎抓取网页内容的技术。
对于舆情传播路径研究来说，采用网络爬虫技术可以快速有效地获取互联网上的所有相关信息。
2、社交网络分析社交网络分析是指通过对社交网络中的节点和关系进行分析，寻找其中的关键节点，进而确定社交网络的结构和影响。
对于舆情传播路径研究来说，采用社交网络分析可以更准确地了解舆情传播路径中各个信息平台之间的联系以及信息交流的情况。
3、机器学习技术机器学习技术是指通过对机器进行训练，使机器具有自我学习和自我优化的能力的技术。
对于舆情传播路径研究来说，采用机器学习技术可以更准确地识别各个舆情信息中的关键词和情感，从而更好地把握舆情信息的传播动向。
四、大数据环境下的舆情传播路径分析的应用1、舆情监测在大数据环境下，对于舆情监测来说的难度也在不断增加。
通过对舆情传播路径的研究，可以更准确地了解舆情信息的传播动向，从而更好地进行舆情监测。
2、舆情分析舆情分析是指对舆情信息进行分析和研究，从而更好地了解舆情信息的内容和趋势。
通过对舆情传播路径的研究，可以更准确地了解舆情信息的传播路径，从而更好地进行舆情分析。
3、舆情应对在大数据环境下，舆情应对的难度也在不断增加。
网络舆情分析方法及其应用场景
网络舆情分析方法及其应用场景随着互联网技术的发展，网络舆情分析已经成为了一项非常重要的任务。
随着信息的全球化，网络舆情的影响力也在不断扩大，任何一条信息的传播可能会引发不同的反响。
因此，网络舆情分析已经成为了人们关注的焦点，而其对社会和政治生活的影响也越来越大。
本文将讨论网络舆情分析的方法及其应用场景。
一、网络舆情分析的方法1. 监测媒体：一般来说，舆情分析的第一步就是监测媒体。
这涉及到采集任何和你关注的话题相关的信息，利用循环监测工具，可以实时地跟踪和记录当前和预测未来的话题趋势，并且可以让你发现问题以及人们的看法。
2. 分析情感:情感分析是一项关键的技术，它可以确定评论和社交媒体中的情感，以帮助你了解公众对话的性质。
基于情感分析的结果可以进一步分析出公众对话的趋势和态度。
3. 分析关联信息：关联信息分析是指对与舆情相关的事件、人物、话题等进行分析和归纳总结，以便更好地了解相关信息之间的关联程度，从而推断出其背后隐藏的信息和意图。
二、网络舆情分析的应用场景1. 社会事件的防控在面对某些社会事件的过程中，舆情分析可以帮助政府和企业发现问题的端倪，及时感知公众对事件的反馈情况。
通过网络舆情分析，防范和解决社会危机及灾害可以更及时高效地进行。
2. 企业危机管理舆情分析可以帮助企业了解公众的态度和看法，以便及时修正自身的问题，改善企业形象。
对于公司内部发生的问题或敏感情况，可以利用舆情分析技术及时预警并解决。
3. 公共舆论监管网络舆情分析在政治、社会、经济等方面都有很大的用途，能够监管不良行为、加强社会管理和预防舆情风险等作用。
在做舆情监测和研究时，监管部门和媒体都需注重社会效益，确保任务能真正落到实处。
三、结论网络舆情分析已经成为了我们日常生活中必不可少的一部分。
无论是对于公共危机管理，还是政府部门的社会管理，舆情分析都可以发挥很大的作用。
随着技术的不断创新和提升，舆情分析的发现及应用场景也将变得更加广泛，未来的网络舆情分析也将更加精准和智能。
大数据时代的网络舆情监测与预警研究
大数据时代的网络舆情监测与预警研究第一章：绪论随着互联网技术的不断发展，网络舆情的影响力越来越大。
网络舆情，是指社交媒体、新闻网站等互联网平台上人们对某一事件或议题的评论、态度、表达等，它不仅影响了公众对事件的认知，还可以引发社会群体的情绪波动甚至带来其他一系列影响。
因此，网络舆情的监测与预警显得尤为重要。
大数据技术的出现为网络舆情的监测与预警提供了新的解决方案。
大数据技术可以通过对海量数据的分析，揭示潜在的事件、趋势以及人们的心理变化，提供可操作的预警策略。
因此，大数据时代的网络舆情监测与预警研究也成为当前热门的话题之一。
第二章：大数据时代的网络舆情监测技术大数据时代的网络舆情监测技术主要分为两类：基于文本挖掘技术的监测和基于自然语言处理技术的监测。
基于文本挖掘技术的监测主要是通过对网络上的文本、语音、图像等内容进行采集、标注、分类等操作，提取出有关事件的相关信息，进而分析事件的发展趋势、事件的热度等情况。
而基于自然语言处理技术的监测则主要是通过对网络上的文本进行语义分析、情感分析、主题分析等操作，提取出网络舆情中隐含的积极或消极情感，挖掘出事件的真实情况，从而对事件进行预警分析。
第三章：大数据时代的网络舆情预警方法大数据时代的网络舆情预警方法主要可以分为三类：基于时间序列的预测模型、基于机器学习的预警模型和基于深度学习的预警模型。
时间序列模型主要是通过对历史数据进行分析，预测未来的事件走势。
机器学习模型则是通过对大量数据进行学习，建立出舆情预警模型，提高预警的准确性。
而基于深度学习的预警模型，则是基于深度学习框架，通过大量的海量数据进行模型训练，从而提高模型对舆情的预测准确性。
第四章：大数据时代的网络舆情监测与预警应用案例分析大数据时代的网络舆情监测与预警已经被广泛应用于各个领域。
例如，政治领域的网络舆情分析可以帮助政府及时发现群众关注的话题和事件趋势，及时采取措施应对。
商业领域的网络舆情分析则可以帮助企业了解消费者的心理需求、改进产品设计等，提高产品市场竞争力。
网络舆情指标体系设计与分析
网络舆情指标体系设计与分析1.舆情源分析指标：首先，需要对舆情源进行分析，包括发布舆情的网站、平台和账号等。
这部分指标可以包括舆情源的影响力、可信度、发布频率等。
2.舆情传播指标：网络舆情的传播是一个重要的问题。
我们可以通过分析转发、评论、点赞等指标来了解舆情的传播范围和速度。
3.情感分析指标：情感是舆情分析的重要角度之一、通过对网络舆情中情感的分析，可以了解舆情的正面和负面情感的比例、情感的强度等。
这些指标可以帮助我们评估舆情的影响力和对社会的影响程度。
4.舆情关键词分析指标：关键词分析可以帮助我们了解舆情的热点和关注度。
通过分析热门关键词、关键词的出现频率等指标，可以了解社会公众对一些话题的关注程度。
5.参与度指标：参与度指标可以反映社会公众对一些舆情的参与度和参与热情。
这些指标可以包括评论数、点赞数、转发数等，通过这些指标可以了解舆情的影响程度和社会公众对舆情的态度。
6.影响力指标：影响力指标可以帮助我们评估舆情的影响力和影响范围。
这些指标可以包括舆情的曝光量、阅读量、转发量等。
7.时间特征指标：时间特征指标可以反映舆情的时间分布情况，包括舆情的爆发时间、持续时间等。
这些指标可以帮助我们了解舆情的传播速度和持续时间。
除了以上几个方面，还可以根据具体情况设计其他相关指标，以更全面地评估和分析网络舆情。
分析网络舆情指标体系可以通过数据采集、数据分析、统计分析等方法来实现。
可以借助一些数据分析工具和技术来处理和分析大量的网络舆情数据。
总之，网络舆情指标体系的设计和分析是一个复杂的过程，需要综合考虑多个因素和角度。
通过合理的指标体系设计和科学的分析方法，我们可以更好地了解网络舆情的态势和趋势，为政府、企事业单位等决策者提供科学的参考依据。
如何在新媒体时代下做好网络舆情监测与预警
如何在新媒体时代下做好网络舆情监测与预警在新媒体时代，网络舆情监测与预警成为了企业、政府和个人必备的能力。
随着互联网的普及和社交媒体的兴起，信息传播的速度和范围大大增加，舆情的影响力也日益凸显。
因此，如何在新媒体时代下做好网络舆情监测与预警成为了一个重要的课题。
一、建立网络舆情监测系统要做好网络舆情监测与预警，首先需要建立一个完善的网络舆情监测系统。
这个系统应该包括以下几个方面的内容：1. 数据采集：通过网络爬虫等技术手段，采集各类网络信息，包括新闻、微博、微信、论坛等各类社交媒体平台上的信息。
2. 数据清洗：对采集到的数据进行清洗和筛选，去除噪音和重复信息，保留有价值的舆情数据。
3. 数据分析：对清洗后的数据进行分析，提取关键词、情感倾向等信息，进行舆情态势分析。
4. 预警机制：建立网络舆情预警机制，通过设定阈值和监测指标，及时发现和预警潜在的舆情风险。
二、选择合适的监测工具和平台在新媒体时代，有许多专业的网络舆情监测工具和平台可供选择。
选择合适的工具和平台可以提高监测效率和准确性。
以下是一些常用的网络舆情监测工具和平台：1. 百度指数：可以通过百度指数了解关键词的搜索量和热度，从而判断舆情的发展趋势。
2. 微博热搜榜：可以通过微博热搜榜了解当前热门话题和关键词，及时发现潜在的舆情风险。
3. 舆情监测工具：市面上有许多专业的舆情监测工具，如新浪舆情、腾讯舆情等，可以通过这些工具进行全面的舆情监测和分析。
4. 社交媒体平台：各大社交媒体平台如微信、微博、知乎等也提供了舆情监测和分析的功能，可以通过这些平台进行实时的舆情监测。
三、加强人工智能技术的应用在新媒体时代，人工智能技术的应用对于网络舆情监测与预警至关重要。
人工智能技术可以通过自然语言处理、情感分析等手段，对海量的网络信息进行快速分析和判断，提高监测的准确性和效率。
同时，人工智能技术还可以通过机器学习和深度学习等方法，不断优化和改进舆情监测系统，提高预警的准确性和及时性。
网络舆情指标体系设计与分析
1、设计原则
网络舆情指标体系的设计应遵循以下原则：
（1）全面性：指标体系应涵盖网络舆情的各个方面，包括舆情热度、传播渠 道、受众反应等。
（2）客观性：指标体系的评价标准应基于客观数据，避免主观臆断。
（3）可操作性：指标体系应具有实际可操作性，方便进行数据采集、处理和 分析。
（4）动态性：指标体系应能够适应网络舆情的变化和发展，及时调整和优化 指标。
三、预警指标体系构建的方法
1、选择关键指标：预警指标体系的关键在于选择具有代表性的指标。这些指 标应能够反映网络舆情事件的主要特征，包括事件的敏感性、涉及面、传播速 度和影响力等。
2、建立指标体系：在选择关键指标的基础上，构建预警指标体系。这包括确 定各项指标的权重和计算方法，以及建立综合评价模型。
参考内容
随着互联网技术的飞速发展，网络舆情已经成为了人们获取信息、表达观点的 重要渠道。然而，网络舆情信息的复杂性和不确定性也给社会带来了诸多挑战。 为了维护网络舆情的健康发展，建立一个网络舆情安全评估指标体系成为了必 要的工作。
一、网络舆情安全评估指标体系 的构建
构建网络舆情安全评估指标体系，需要从以下几个方面进行考虑：
2、信息筛选：通过对信息传播速度、传播范围、真实程度等指标的评估，可 以有效地筛选出有价值的信息，并进行针对性的处理。
3、意见引导：通过对意见领袖影响力和网络舆情情绪倾向的评估，可以有效 地进行意见引导，避免不良情绪的扩散。
4、政策制定：通过对网络舆情的分析和评估，可以为政策制定者提供参考依 据，从而制定出更加科学合理的政策。
5、制定应对策略：针对不同级别的预警，制定相应的应对策略。例如，在低 级预警阶段，可以采取观察和跟踪措施；在中高级预警阶段，可以采取更加积 极的应对措施，如发布官方声明、组织新闻发布会等。
网络舆情研究的数据采集与分析方法
网络舆情研究的数据采集与分析方法随着互联网和社交媒体的普及，网络舆情越来越成为人们关注的话题。
网络舆情是指在网络上针对某个事件或事物所出现的各种言论和情绪。
而如何采集和分析这些数据，成为了网络舆情研究领域中重要的问题。
一、数据采集数据采集是网络舆情研究的第一步。
数据的来源可以分为两种：一种是来自主动发布的内容，另一种是来自用户自发生成的内容。
主动发布的内容包括官方公告、新闻报道、企业宣传等，这些内容通常可以从官方网站、新闻社交媒体账号、企业网站等途径获取。
在采集时，可以使用爬虫程序对这些网站进行定时爬取，并将获取到的数据存储到数据库中。
这种方式的数据获取相对简单，但缺点是数据来源单一、无法反映用户真实的态度和观点。
用户自发生成的内容主要包括社交媒体上的发言、评论、转发等，可以从微博、微信、贴吧、论坛等社交平台上获取。
这些平台通常提供了API接口或第三方工具，可以通过这些接口或工具获取平台上的数据。
值得注意的是，不同平台的获取方式可能存在差异，需要根据实际情况进行选择。
在数据采集时，还需要考虑如何筛选和过滤数据。
首先需要确定研究的关键词或事件名称，以此为依据进行数据筛选。
同时需要对数据进行去重、过滤无关信息、注释人物和时间等预处理工作，使得数据能够被后续分析程序准确解析和处理。
二、数据分析数据分析是网络舆情研究的核心内容。
数据分析的目标是从数据中提取有用的信息和特征，以便理解事件的影响、判断舆情的趋势和总结出相关规律。
数据分析方法通常可以分为文本挖掘、情感分析和网络分析等。
1. 文本挖掘文本挖掘是一种从大量的文本数据中自动地推导出高质量信息的技术。
其主要任务是对海量的文本数据进行自动识别、分类、聚类、提取、关联和呈现。
文本挖掘技术可以直接应用于网络舆情研究，并通过关键词提取、文本分类等方式提取数据中的主要信息。
2. 情感分析情感分析是指从文本内容中分析出作者的情感倾向性，并将其划分为正面、负面或中立等不同情感类别。
舆情分析方法
舆情分析方法舆情分析是指对社会公众舆论进行系统性的监测、搜集、整理、分析和研判，以揭示舆论动态、舆情走向、舆情特征和规律，为政府、企业和个人的决策提供科学依据和参考。
舆情分析方法主要包括以下几种：一、媒体监测分析法。
媒体监测分析法是通过对各类媒体的报道进行监测和分析，包括传统媒体和新媒体。
通过对媒体报道的关键词、主题、情感等进行分析，可以了解舆论的热点、焦点和倾向，为舆情的监测和预警提供数据支持。
二、网络舆情监测分析法。
网络舆情监测分析法是通过对网络上各类平台的信息进行抓取、整理和分析，包括微博、微信、论坛、博客等。
通过网络舆情监测分析，可以了解公众对某一事件、话题或产品的态度和看法，及时发现和回应负面舆情，维护个人或企业的声誉。
三、社会调查分析法。
社会调查分析法是通过问卷调查、访谈等方式，收集公众的意见和看法，进行数据分析和研究。
通过社会调查分析，可以深入了解公众的需求和诉求，为政府和企业提供决策支持和改进建议。
四、情报分析法。
情报分析法是通过搜集和整理各种情报信息，进行综合分析和研判。
情报分析法可以从多个角度、多个维度对舆情进行全面深入的分析，为决策者提供多方面的参考和建议。
五、大数据分析法。
大数据分析法是通过对海量数据进行挖掘和分析，发现数据之间的关联和规律。
通过大数据分析，可以发现潜在的舆情风险和机遇，为决策者提供更加准确的预测和建议。
综上所述，舆情分析方法是多种多样的，可以根据具体情况选择合适的方法进行分析。
舆情分析的目的是为了及时了解和掌握公众舆论动向，为决策者提供科学依据和参考，及时回应和处理舆情事件，维护个人或企业的声誉和形象。
舆情分析方法的选择和运用需要结合具体的情况和需求，灵活运用，以达到最佳的分析效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
过人工，在合理时间内达到截取、管理、处理、
并整理成为人类所能解读的信息。
1.1
大数据的概念
传媒专家刘建明教授认为：“大数据”同信息是
不可分离的，是指信息浩大数量的统计与技术运 作。作为人类认知社会方法的一次飞跃，“大数
据”技术将给企业运营、政府管理和媒体传播的
科学化创造有效机制。
1.1
大数据的概念
大数据的概念
1.2
大数据的发展进程
1966年
摩尔定律提出，为大数据 现象的形成奠定物理基础
1989年
数据挖掘技术产生， 大数据有了大价值
2004年
社交媒体出现，全世界每个 人都变成了潜在数据生成器
01 02 03
1.3
大数据的特点
4 个 V： Volume、Velocity、Variety、Value
1.3
大数据的特点
1 2
3
大数据＝传统的小数据＋现代的大记录 大数据＝结构化数据＋非结构化数据 大数据=大价值+大容量
1.4
大数据如何产生 托马斯· H· 达文波特：大数据之所以产生，是因为传感
微博
器和微型计算机处理器在人们日常生活中无处不在。
LBS
物联网
云 计算
10:02
1.4
大数据如何产生
BVI
OCI
3.8
清博指数-微信传播指数WCI
3.8
清博指数-微博传播指数BCI
指标体系: 主要通过活跃度和传播度两大维度来进行评价,发博数X1、原创微博数X2、 转发数X3、评论数X4、原创微博转发数X5、原创微博 评论数X6、点赞数X7。
3.8
清博指数-微博传播指数BCI
3.8
清博指数-网红指数OCI
“大数据”不是部分，而是全部数据
是不确定、不准确的信息
着重在了解是“什么”而不是“为什么”
《大数据时代》 维克托·迈尔·舍恩伯格
1.1
大数据的概念
大数据本身不是一种新的产品或新的技术
大数据的出现只是数字化时代数据量不断增加的一种现象
1.1
大数据的概念
B
GB MB
海量数据
TB
PB
ZB
大数据
EB
1.1
1.1
大数据的概念
研究机构 Gartner 将大数据定义为：需要新处 理模式才能具有更强的决策力、洞察发现力和流
程优化能力的海量、高增长率和多样化的信息资
产。
1.1
大数据的概念
维基百科对“大数据”的解读是：“大数据”
（Big data），或称巨量数据、海量数据、大 资料，指的是所涉及的数据量规模巨大到无法通
2.3
网络舆情的特点
广泛性
参与人员类型广泛
01
主观性与非理性
02
社会情绪的原生态表达 网络谣言与负面情绪扩散
涉及地域范围广泛
突发性
基于网络双向传播 社会舆论导火索
03
多元性
04
信息内容多元 传播途径与表达方式多元 意识形态与观点内容多元
2.4
网络舆情的信息来源 网络舆情信息来源指标特点
来源
政府网站 新闻媒体 社交平台 网络媒体 主动报送
4案例分析4.1舆情研究院《大数据中的“春运潮”变迁》
春运迁徙，40天，36亿人次 春运槽点：
“12306”“高价盒饭”
“车站服务”“安检”“堵车”“晚点、滞留”“迁徙”发布春运全国8小时最热线路图
4.1舆情研究院《大数据中的“春运潮”变迁》
案例一：舆情研究院《大数据中的“春运潮”变迁》
决策树：一种预测模型，是直观运用概率分析的一种图解法
人工神经网络：是一种模仿动物神经网络行为特征， 进行分布式并行信息处理的算法数学模型
差别分析：目的是发现数据中的异常情况，从而获得有用信息 概念描述：对某类对象的内涵进行描述，并概括其有关特征
3.4
网络舆情监测指数体系（兰月新）
传播扩散
指数一
1
指数 体系
网络舆情监 测指数体系
发布主体
意见领袖、普通网民 发帖量、回复量 支持、反对、中立
社会热点、政治新闻、个人隐私、宗教政治
内容要素
转发量、评论量、阅读量 敏感词 声像资料量
文本长度、图片连贯性、声像时长
舆情受众
支持、反对、中立 独立访问者、访问量
3.5
舆情大数据指数（刘建明）
传播量 覆盖率 媒体传播力指数 舆情大数据指数 舆情影响力指数 互动性 传播量 覆盖率
舆 情 影 响
启动舆情监测 制定应急预案 制定保障方案 实施信息公开
专家网上答疑 关注意见领袖 网民互动交流 事件初步解决 公开进展信息 引导舆情过渡 事件经验总结 监测衍生舆情
危险
不安全
隐患 正常 良好
萌芽
扩散
爆发
波动消退
经历时期
表2.3：政府应对舆情模型
Байду номын сангаас 3
舆情指数
3.1
网络舆情指数的概念
舆情指数是通过对网络中各种类型媒体所发布的信息进行独立的第三方观察，形成量 化统计和定性分析，并结合算法推导、归纳总结而最终形成的一套网络舆情指数体系。
关注度
刘志明《网络舆情大数据》
综合评价
3.6
网络舆情指数体系（IRI）
“网络舆情指数体系（IRI）”是由中国传媒大学网络舆情（口碑）研究所设计，该指数体 系是国内第一个权威的、可量化的、科学的网络舆情指数体系，重点突出网络舆情指数的实时 动态性以及可理解、可描述、可解释等特点。
网民在某网站中针对某一主题发布的信息 量、回复量和浏览量的综合统计 ——集中参与水平
网红指数OCI侧重于对网红传播力和影响力的量化评估，评估模型包括三大维度、
十余项项量化指标，通过全网数据的采集，建立基于大数据的开放评估模型。
3.8
清博指数-VR指数WII-VR
评估指数包括企业和产品的网络关 注度（微博讨论及官微粉丝数、微 信相关文章及总阅读数等），全网 推广度（网页、新闻、官网、社交 媒体平台等相关信息推广）和网络 热销度（主流电商平台：以淘宝/ 天猫和京东为主）三大维度。
1
网络舆情参与度 2 网络舆情波及度 网络舆情评价度
IRI
3
衡量所有网络媒体中相关信息的指标 ——广泛报道水平
/人物/商品/事件在互联网上是否引起了关注度， 关注量级与趋势如何
传播分析
舆情传播路径，识别传播节点，研判节点调性
情感提炼
摩画网民情感倾向，提炼网民对事物的主要态度、关注面与侧重点
关注度＝0.3×新闻指数＋0.3×论坛指数＋0.2×微博指数＋0.2×微信指数 正面舆情比例＝0.7×正面舆情指数＋0.3×中性舆情指数 舆情压力指数=0.7 ×舆情事件个数+0.3 ×舆情关注度均值-正面舆情事件比例4.1舆情研究院《大数据中的“春运潮”变迁》
关注度＝0.3×新闻指数＋0.3×论坛指数＋0.2×微博指数＋0.2×微信指数
权威度
高 高 低 中 中
准确度
高 高 低 中 中
参与度
低 中 高 中 高
针对性
低 中 中 中 高
2.5
网络舆情传播的特点
1
跨时空性：信息突破了空间的限制，实现了信息的跨时空传播
2
3 4
群体极化性：信息的倾向性对受众的思想形成一定的支配性，形成群体极化
强制互动性：信息由单向传播变成双向互动，公众由接受者变为参与者和生产者
舆情研究重点的转向
由舆情监测转向为舆情预警乃至预测，从单向度的危机应对、品牌营销转向各领域的 综合信息服务
5.2
大数据舆情能否代表社会民意
根据中国互联网络信息中心CNNIC《第38次中国互联网络发展状况统计报告》显示， 截至2016年6月，中国网民已达到7.10亿，超过总人口的1/2。农村网民占总网民的26.9%， 达1.91亿，而中国农村人口将近8亿，网民占比较低。即使上网，发表意见的也是少数。 陈力丹在《舆论学》指出： 「在一定范围内有接近1/3的人持某种意见，这种意见由于开始对全部人产生影响，故 它已经从少数人的意见转变为舆论。」「在一定范围内有接近2/3的人持某种意见，这种意 见已经可以统领全局，当然更是舆论，而且成为主导舆论。」 P4 「要注意，不能轻易把网上的意见视为舆论。网民占全国人1/3，网民在网上发表意见 的人数，只占所有网民的2%，经常发表意见的人数更少。」 P8 因此，网民大都属于「沉默的大多数」，通过技术手段抓取关键词呈现出的意见状况会 出现代表性偏差，与符合真实情况可能出现不一致。
及时性：即时编辑、及时发布、即时传播、即时互动、及时反馈
2.6
网络舆情的演变过程
舆 情 影 响
萌芽
扩散
爆发
波动消退
经历时期
表2.1：网络舆情演变模型
2.7
网络舆情的演变过程
舆 情 影 响
危险
不安全
隐患 正常 良好 萌芽 扩散 爆发 波动消退 经历时期
表2.2：网络舆情预警模型
2.7
网络舆情的演变过程
3.2
网络舆情指数体系构建的基本原则
可行性
目标性 稳定性
系统性
明确性 全面性
动态性
科学性
3.3
互联网大数据挖掘技术
数据库理论
机器学习
人工智能
现代统计学
3.3
互联网大数据挖掘技术
统计技术：对给定数据集合假设一个分布或者概率模型 关联规则：目的是找出数据库中隐藏的关联网
连接分析：从一些用户的行为中分析出一些模式， 同时将产生的概念应用于更广的用户群体中
2016
大数据时代 如何运用指数分析舆情
主讲人：韩少卿 组员：王 闯