新浪舆情通

网络舆情监测系统监测流程

一、通过相关样本库，把需要监测的网页进行模板匹配，并设定为监测数据源；

二、应用爬虫程序抓取数据，存储到本地，再进行数据的清洗和分析；

三、利用简单的图表模板和文字描述，呈现监测和分析的结果。

网络舆情监测系统面临的新问题

用户自主生成内容使网络内容生产者数量呈几何级增长，用户与网站之间双向交互，用户与用户之间 也在进行多渠道、多层次的立体的交互。现在的网络内容不再是离散的，具有强烈的“关系”属性。这种基于各种强弱关系的网状结构，也直接使网络舆情 能够快速成型、发酵，短时间内可以多次转向。现代的舆情监测，更关注“关系”，能够更快速、更准确地跟踪舆情变化。这正是早期网络舆情监测的缺陷。

新的舆论环境，需要加强网络舆情的监测，而新的网络舆情，需要新的监测方式。大数据技术下的网络舆情监测，就是这样一种新的方式。自1980年以来，全球的数据存储能力每40个月就翻一倍。

不断进行量级上的增加的庞大数据量和数据背后蕴藏的信息，带来了大数据时代。大数据通常指的是庞大、复杂，难以用传统的软件工具来分析处理的数据集。对大数据的处理，又牵涉到从数据抓取、整理、分析、共享、可视化到存储、传输等一系列问题。

利用大数据实现舆情监测？

1、网络舆情研判

网络舆情研判的其中一个重要方法就是关键词搜索法，它的的舆情信息检索效率很高。无论是人工使用搜索引擎进行关键词检索，还是通过一定的编程以机器系统加以检索，都能在较短的时间内将含有关键词的目标舆情信息从巨量的网络信息中提取出来，其工作效率是非常高的。

关键词搜索法可以设定较为广泛的查询范围。与人工浏览法相比，关键词搜索就含有关键词的目标信息的网络查询范围要广泛得多，因为它是通过搜索引擎工具实现的高速度机器运算。目  前，商业搜索引擎的目标网站数量十分巨大，完全能够满足相关信息检索的需要。根据网络舆情信息传播影响的特点和规律，一些专业机构往往将搜索关键词信息的目标网站网页缩小范围。

2、网络舆情研判

“预测”本身就是大数据的一个重要应用。针对同一主题的海量数据进行分析，经过数据挖掘和建模后，可以得到相应的预测模型，进而预测将来的发展趋势。譬如奥巴马竞选团队，就在2012年竞选的多个环节运用了大数据技术，特别是在实时监测选民意向、预测投票情况方面。

竞选团队每晚都会使用特制的模拟大选的模型，根据实时监测的选民意向模拟大选，并在第二天上午根据模拟结果对各州重新分配竞选资源。这种对舆情的实时监控和预测对奥巴马2012年总统连任起到了重要作用。麻省理工学院博士内森·凯乐斯的一项以2013年埃及爆发的民众抗议活动的大数据预测为主要案例的研究，获取了全球范围主流媒体新闻、政府出版物、 社交媒体、博客等各种类型超过三百万个数据源的目标数据。

其证明可以通过大数据技术和特定模型来发掘公众的情绪、态度变化，并最终预测以大型抗议活动为代表的大型公共事件的发生，包括事件即将发生的时间地点。

舆情从来不是孤立地存在的，舆情的发酵、转向源于现实社会的事件和环境，舆情的发展又会影响现实活动。