近些年，舆情市场火热，大数据推动着舆情知识供给，可以说网络舆情分析已经离不开大数据处理技术了，网络舆情也进入了大数据时代，事实上大数据分析已经成为当前舆情领域热点。但是从舆情分析的重要目的，舆情决策的角度讲，当前舆情分析的现状还存在不足，在舆情案例研究、 政策法规和领域知识等方面出现了供需不匹配的问题，也就是舆情知识供给的问题。复旦大学、合肥工业 大学在内研究机构都在致力于大数据和知识工程的研究就 是要拓展大数据到大知识，将大数据中离散的多元信息、 碎片化知识统一建模，用以构建新型大数据知识服务体系， 所以解决大数据环境下的舆情知识供给问题还要从大数据知识服务相关理论和技术方面着手。

知识和数据双轮驱动的网络舆情分析模型

我们可以结合大数据处理和知识技术设计出面向知识服务的知识和数据双轮驱动的网络舆情分析模型，包括舆情知识库、舆情大数据采集、舆情研判、舆情知识服务等功能模块。该模型各模块之间信息互通，形成有机整体。

舆情知识库模块

舆情知识库

舆情大数据采集模块

大数据时代网络舆情信息涉及的范围十分广泛，涉及人们生活活动的方方面面，数据来源众多。所以舆情大数据采集的对象除了舆情工作部门日常关注的新闻媒体、门户网站、以及微博、微信等社交网络之外，还需要不断扩展舆情数据的来源，发挥大数据全角度、全方位覆盖的信息优势。比如对电子政务网站、舆情工作部门的业务数据等进行采集汇总，尤其是涉及政策解读、民生问题等数据的收集工作等。从而构建包含媒体报道、网民意见、政府工作等全角度、全方位、立体化的舆情数据来源，为舆情知识库提供源源不断的知识，同时，舆情知识库也可以为舆情大数据采集提供指导，既保证采集信息全面无遗漏，又能一定程度上保证精准采集，避免不必要的数据冗余和资源浪费。

舆情研判模块

舆情大数据为舆情知识库提供了十分丰富的知识来源，但这些知识往往是低价值密度和离散稀疏的，需要通过舆情研判工作，充分挖掘舆情大数据的价值。舆情研判的任务就是对网络舆情进行价值判断和前景预测，而这里的价值更多的是体现在舆情知识上。从数据、信息和知识的关系上来看，知识往往是对数据和信息进行组织、总结、体系化归纳而得到的，知识的获取需要从数据提取信息，从信息归纳知识。所以，舆情研判需要综合运用数据融合、 文本分析、深度语义挖掘、智能信息处理等大数据处理技术，同时结合舆情知识库中相关领域知识、业务知识和舆情案例等知识保障，实现网络舆情大数据的数据整合、信息要素提取、知识发现等相关分析任务。从处理流程上来讲，舆情研判首先需要根据舆情研判的知识需求对采集的数据进行初步筛选、过滤和清洗，对多源数据进行融合，对数据中的舆情信息进行抽取，然后通过语义挖掘和关联，发现舆情热点，提取相关事实知识，通过知识匹配对适合 的知识内容存入知识库，不断完善知识库。另外，舆情研判还可以专门针对某一特定事件进行跟踪，探索舆情事件的演化规律和传播效应，为舆情监督和管控等提供必要的案例素材。

舆情知识服务模块

舆情知识服务面向的是网络舆情业务工作人员或舆情决策者，主要用于在特定时期和特定任务情况下，根据舆情决策者的舆情需求或者特定舆情事件发展的不同时期，为舆情决策者提供相关舆情知识服务。一般的，舆情研判相关结果可直接用于舆情服务，知识库中包含了大量的事实知识、显性知识和隐性知识，通过对各类知识的梳理，以一定形式进行可视化，也可以为舆情决策者提供舆情服务。舆情知识服务主要功能包括，对未知舆情危机发生前进行常规性的舆情监测和预警工作; 对特定舆情事件提供事件跟踪、阶段性舆情评估、风险分析及应对策略的舆情服务; 根据不同时期不同任务需要，提供专门性的舆情报告、案例总结、对策意见等咨询服务。另外，通过人机交互，实现舆情分析系统与舆情决策者的信息互动，对舆情决策者的知识需求进行实时传递和反馈，发挥舆情决策者通过自身业务知识对网络舆情的把控优势。

鱼君有话说

知识和数据双轮驱动的网络舆情分析模型对舆情从业者来说具有实际操作意义，能够帮助舆情分析师理清思维逻辑，从而形成稳定的工作方法。

喜欢我，就pick我......

閱讀更多 知於大數據分析 的文章

關鍵字: 大学 社交网络 数据挖掘