基于大数据的出版业网络舆情预警及处置机制探析(2)

　　三、基于大数据的舆情预警与处置机制
　　网络的开放性、隐蔽性、即时性使网络舆情呈现突发性、流言化、情绪化的特点，加强舆情研判、建立预案机制是将出版业网络舆情危机遏制在萌芽期的必要手段。大数据的核心功能是预测。大规模、多维度、高频率、细粒化的数据特点为舆情预警系统的构建创造了条件。出版机构可通过整合传统媒体、网络媒体和移动媒体的多渠道、多平台、多格式的舆情数据，构建多视角、全方位的出版业网络舆情数据库，在对数据过滤筛选、识别标注和深度挖掘的基础上，对舆情进行动态监测、敏感点提炼、危机预警、预案生成，从而搭建基于大数据的舆情预警系统。
　　1.多平台舆情实时动态监测
　　出版机构可利用大数据技术对社交媒体、移动媒体、自媒体等多个平台进行实时信息采集，保证信息源、新闻载体等的多元化，建立全网数据实时监测系统。具体而言，出版机构应根据自身需求构建舆情关键词库和舆情指数体系。关键词库应涉及出版相关机构、部门、规章制度、管理机制、作者、编辑、出版法规、版权以及常见舆情话题等。出版机构的文化属性和社会地位决定了其监测的重点方向，其应确定自身舆情监测的主要范围和重点，保证动态数据采集的“准”和 “全”。舆情指数体系主要对出版业网络舆情大数据抓取的不同方面，如整体舆论场、普通网民情绪、意见领袖态度、媒体关注度（国内外）、政府关注度等进行分类监测。
　　2.构建多层面的舆情数据库
　　出版机构可在多平台、多维度的数据采集基础上，对数据进行归类存储和深度处理，借助大数据技术完成舆情数据的细粒度和深井溯源挖掘。根据数据的细粒化、语义化处理结果，可构建基于出版机构、涉事人物、舆情事件等不同层面的数据库。多层级舆情数据库的建立有利于大规模数据的分类处理，可以减少预测误差，从而进行更准确的舆情危机判断和设计更全面的预警方案。例如，出版机构可针对出版社目标读者的网络行为特点构建数据库，对读者的关注焦点、发声需求、社交媒体使用、情感倾向等实行量化统计，在了解读者线上行为特点的基础上有针对性地进行舆情预判。还可针对出版单位的性质、网络形象、关联单位等构建数据库，了解自身在不同平台的舆论场中的基本形象和被关注度，便于在危机处理时选择最有效的公关策略。
　　3.数据深度挖掘与价值提炼
　　大规模、多层面的数据库构建是出版业网络舆情预判的基础，对数据的过滤筛选和深度分析则是舆情预警的核心。出版机构可以对各类数据进行筛选和提炼，通过量级分析、频度分析、情感分析、时间序列分析、共线分析、关联分析了解舆情事件的传播特点和趋势，根据量化结果对舆论场热度、媒体关注度、事件延续时间、媒介传播关键介质、话题类型等做出初步判断，再进一步对舆情事件的性质、敏感程度、影响力等做出分层标注。内源型、谣言型、事实型、价值损坏型、极端个案型等不同性质的舆情事件具有不同的传播规律，事件本身和涉事主体的影响力、事发时间、曝光平台、传播渠道等多种因素也会影响舆情事件的发展。出版机构通过挖掘和分析海量数据，可以提炼出不同性质舆情事件的基本传播规律和舆论反馈特性，然后进一步有针对性地设计舆情预警与处置方案。
　　4.搭建可视化舆情风险预警平台
　　在数据挖掘和分析处理的基础上，可利用可视化技术呈现舆情事件的相关属性值，并通过数据匹配确定舆情风险等级，搭建动态化、可视化、实时性的舆情预警平台。出版机构可通过全网数据挖掘潜在舆情事件，将事件性质、敏感度、相关主体影响力与数据库案例进行匹配，根据匹配结果和已有基础数据评估事件的风险等级，以可视化形式对出版业网络舆情风险进行实时预警。
　　5.舆情预测及预案生成

　　论文榜（www.zglwb.com），是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导，寻求投稿辅导代理，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


期刊鉴别	论文检测	免费论文	特惠期刊	学术答疑	发表流程

搜索

基于大数据的出版业网络舆情预警及处置机制探析(2)