针对高等院校网络舆情分析与危机舆情预警的需求，文中对语义情感分析方法进行了研究。通过结合深度学习中循环神经网络（CNN）和心理学领域的注意力机制模型（Attention），提出了ATRNN网络。该网络使用长短期记忆结构（LSTM）作为RNN隐藏层的基本单元，可以处理任意长度的语义信息。网络通过引入Dropout机制，避免网络训练中的过拟合现象，提升训练效果。为了评估模型效果，文中在NLPCC的开放数据集上进行测试。相较于RNN网络，在正面情绪文本上，准确率、召回率和F1可以提升3.3%，1.7%和2.5%；在负面情绪文本上，可以提升4.4%，4.5%和4.4%。

从大数据的角度，对2019年中国流量电影的总结和分析。 有人说《上海堡垒》把流量电影的门给关上了，《诛仙Ⅰ》又把它打开了。在这个流量为王的时代里，有人认为流量是原罪，有人认为流量是无限商机。在影视行业里，流量意味着什么？流量电影可不可取？IP+流量+演技的配置，是否意味着新一代资本流量电影时代开启了？

基于大数据的多媒体舆情分析方法研究.docx

EventWarning 食品安全舆情分析系统（前端展示模块） #功能介绍 爬取微博数据，筛选出与食品安全相关的微博，进行事件提取，情感分析，事件追踪及预警。 #如何使用 爬虫及数据处理代码后期公布，即为食品安全舆情分析系统（后端模块），现提供数据库文件在EventWarning/src目录下。 所用技术：jsp+servlet+ajax+echarts

安全技术-网络信息-面向公共危机预警的网络舆情分析研究.pdf

2021年2月,中国互联网络信息中心(CNNIC)发布了第47次《中国互联网络发展 状况统计报告》。报告指出，截止至2020年12月,我国手机网民的规模达到9.86亿， 其中使用手机上网的网民占比99.7%，而网络新闻用户规模为7.43亿，占网民总体的 75.1%。网络逐渐成为了人民生活中不可或缺的一部分 2020年是极度不平凡的一年，新冠肺炎疫情的发生影响着我们生活的方方面面， 互联网作为人民生活必不可缺的一部分，在疫情期间也发挥了独一无二的作用。网民 通过互联网了解疫情变化，在互联网平台发布消息。其中微博作为中国最大的社交媒 体平台，承担着来自各方网民的声音。对于微博的文本数据挖掘一方面可以了解舆情 发展趋势，另一方面还可以充分发挥政府和国家对于网络舆论的引导与监管力量，避 免舆论导向走偏。 本文以2020年发生的新冠肺炎疫情为研究案例，以微博平台为数据来源，针对 微博文本与微博评论的特点，从舆情分析的角度出发，基于snowNLP情感分析与改 进的LDA主题提取模型进行舆情分析。本文的研究内容主要分三部分，首先是與情 数据的获取与处理，其次是舆情主题提取与分析，最后是对本文的研究总

舆情分析

互联网的飞速发展促进了很多新媒体的发展，不论是知名的大V，明星还是围观群众都可以通过手机在微博，朋友圈或者点评网站上发表状态，分享自己的所见所想，使得“人人都有了麦克风”。不论是热点新闻还是娱乐八卦，传播速度远超我们的想象。可以在短短数分钟内，有数万计转发，数百万的阅读。如此海量的信息可以得到爆炸式的传播，如何能够实时的把握民情并作出对应的处理对很多企业来说都是至关重要的。大数据时代，除了媒体信息以外，商品在各类电商平台的订单量，用户的购买评论也都对后续的消费者产生很大的影响。商家的产品设计者需要汇总统计和分析各类平台的数据做为依据，

BBS是网络舆情产生和传播的主要场所之一,由于研究手段的匮乏,预测和引导BBS舆情的研究工作仍处于探索阶段。考虑到网络舆情具有突现性,以突现计算的观点将发帖人抽象成Agent。通过设定Agent参数和交互规则,利用小世界网络建立了BBS舆情预测模型。仿真结果表明,在日增回帖数和个人发言数比例这2个重要统计指标上与真实情况同时吻合,说明了模型的合理性和有效性。

7月电影行业传播影响力舆情分析报告.docx