大數據時代輿情

1. 大數據時代的輿情發現原理是什麼

輿情發現是將中標數據根據關鍵詞類別進行分類展示，統計，生成報告，從而達到輿專情發現屬的目的。輿情發現預設的關鍵詞類別時效性比較長，一旦設定可長期有效，通過巡查預設類別的中標數據，了解政府或公司輿情發展態勢，及時掌握新產生的輿情，從而制定相關策略控制輿情發展，輿情發現模塊意義重大。

2. 大數據時代，輿情監測面臨的困境是什麼

1、輿情發現不及時
由於自媒體兩端信息發布者和接收者眾多，網民可以通過自媒體專發布任何關於言論。雖說自媒屬體時代給了大家暢所欲言的平台，但信息的發布並不能得到即時把關，言論的真實性和可信性有待商榷，尤其是負面信息一旦造成輿論聚集，其影響力不容小覷。涉事單位在毫無察覺的情況下，可能就被輿論推上了風口浪尖。
2、信息碎片化
在互聯網上傳播產生的信息數據量無疑是巨大的，且輿論話語權分散，各類數據隨手可得，僅靠人工搜索的方式收集、匯總、分析，難度系數堪比大海撈針。

3. 大數據時代，如何全面做好大數據網路輿情引導與分析

關於大數據時代網路輿情引導與分析方法如下：
一、通過相關樣本庫，把需要監測的網頁進行模板匹配，並設定為監測數據源；
二、應用 爬蟲程序抓取數據，存儲到本地，再進行數據的凈化和簡略的分析；
三、利用簡單的圖表模板和文字描述，呈現監測和分析的結果。早期的網路輿情引導監測方式有一些原生的問題，譬如：一、由於處理能力有限，只能抽取部分樣本進行監測，無法避免偶然誤差；二、文本分析演算法的准確度、 監測對象和系統模板匹配的程度、對數據的凈化，以及分析的演算法等因素對於最後監測結果的准確度都有決定性的影響，無法避免系統誤差；
四、輿情引導與分析主體應學會充分利用大數據挖掘系統，蟻坊軟體方面的大數據輿情監測管理系統，實現了從網路輿情信息的採集與提取，到話題的發現與追蹤、態度傾向性分析，再到多文檔自動摘要的生成，為網路輿情的安全評估提供了有效的輿情信息獲取和分析方法。不過，由於「輿情」本身具有「社會」特性，數字和代碼等信息背後的實體是生存在現實社會中的芸芸眾生。除了純技術角度對輿情進行量化考察，傳統的社會民意調查方式對實現全面、立體、動態透析社會綜合輿情亦有一定幫助。
數據分析—數據的核心是發現價值，而駕馭數據的核心是分析，分析是大數據實踐研究的最關鍵環節，尤其對於傳統難以應對的非結構化數據。運營商利用自身在運營網路平台的優勢，發展大數據在網路優化中的應用，可提高運營商在企業和個人用戶中的影響力。

4. 在大數據時代，網路輿情的大趨勢

大數據時代，網路輿情產生速度快，數據體量大，而且異常復雜。大數據內意味著人容類可以分析和使用的數據大量增加，有效管理和駕馭海量數據的難度不斷增長，網路輿情管理面臨全新的機遇和挑戰。利用大數據技術可以對網路輿情中具有關聯的數據進行挖掘並加以分析歸納，總結出網路輿情產生、發展的規律。在此基礎上對網路輿情進行模型化處理，使預測成為可能。

5. 大數據時代的輿情研判和輿論引導

大數據時代的輿情研判和輿論引導

一、大數據與我們的生活

我第一次接觸電腦是1982年大學畢業分到中科院理論物理所當研究實習員。所長周光召教授花了250美元從美國帶來了一台剛面世的蘋果電腦，讓我第一次看到了電腦視窗，第一次意識到電腦里的數據是可以看得見、看得懂，而且還可以用來玩游戲。而在此之前的六十年代，周光召、於敏、何祚庥等科學家做核武器的理論設計，使用的還是手搖計算機。

研究生畢業以後，我被分配到新華社做記者，恰好趕上新華社全面採用電腦終端編輯英文新聞，使英文新聞的編發工作實現了電腦化。在此之前，記者要靠紙筆、打字機、傳真機和電傳機進行手工作業，編輯部門要把編好的稿件送到發稿部門，由報務人員按稿件先打字作電傳孔條，然後再在各條線路的發送機上發出。使用終端機後，編輯記者可以在電腦上直接對稿件進行編輯修改。

我買的第一台個人電腦是中關村的組裝機。那台電腦的操作系統是UCDOS，使用的是5.25英寸的軟盤，容量是360K。我的第二台個人電腦的軟盤已經更新成3.5寸的，容量也增加到1.44M，我的辦公室現在還有上百張3.5寸的軟盤，可惜現在已經不太容易找到能夠讀軟盤的電腦了。光碟機、移動硬碟、U盤打敗了軟盤，成為數據存儲的主流，存儲介質的容量也越來越大，幾年前的U盤一般都是16M的，而如今64G的U盤都嫌不夠用。

過去20年，我每次出國都要逛電子產品商店，看看有沒有容量更大的移動硬碟或U盤。我現在使用的是兩塊1TB（1TB=1024GB）的移動硬碟，分別存儲不同的文件。其中一塊移動硬碟里存儲著Foxmail郵件客戶端，數據容量已經達到30GB，存儲著我所有的電子郵件，我用Foxmail對郵件信息進行了分類，它就像我的一個私人圖書館一樣，隨時可以方便地查找資料。

我對「網路數據」的直觀感受就是它的增長速度像原子彈鏈式反應一樣，至今仍在加速膨脹。從2010年到現在這3年的時間，就積累了2T的數據，與前15年數據的容量相當。

我的辦公室有一面牆的書架都是存放錄音帶、錄像帶、光碟和各類軟盤的，存儲著我從教書以來的所有影像、課件、資料，但是查找文件就像大海撈針一樣。現在許多軟體對數據分類和查找都支持得很好，如果能在一張移動硬碟上集中存儲這些數據，自然要方便很多。但移動硬碟也不安全，既有被盜的風險，也擔心使用中損壞。所以最終的解決方案還是要依靠雲存儲，所有的文件都存儲在虛擬空間里，隨時可以通過互聯網找出來。

作為一名研究人員，我從事研究工作的基礎是文獻檢索和綜述，離不開數據的收集、分類、綜述、摘要，這些工作在過去都是依靠紙質的報刊、圖書文獻，工作的方法是「剪報」，我從小學三年級開始剪報，一直到讀研究生還保持著這個習慣。後來到新華社當記者，查找文獻還是依靠剪報。再後來出現了電腦，的確給文獻的收集和使用帶來了方便，但由於太相信電腦，一旦系統崩潰了或硬碟壞了，數據就沒了。

雲計算的發展不僅使得通過互聯網獲取個人信息更加容易、可獲取的內容也更多，而且在雲技術環境下，大量用戶的數據不再存放於個人電腦或移動硬碟中，而是存儲在遠在天邊的雲儲存器提供商的伺服器里。越來越多的像網路、騰訊、新浪微博、谷歌提供的網路信息服務，正在變成超級信息工廠和倉庫。由於智能手機、平板電腦、社交媒體網站、電子郵件和其他形式的數字通訊的廣泛使用，全球每天產生250億位元組的新數據。據IBM估計，在全球現存數據中，有90%是過去兩年中產生的。據國際數據公司(International Data Corporation)預計，從現在起到2020年，數字世界的規模將每兩年翻一番，和爆炸性的數據增長相伴隨的，是大數據技術的快速發展。

大數據技術是指運用搜索引擎、社交媒體、各類網路資料庫，實時聚集數以百萬本書那麼厚的文本和圖像，用一種搜索、分類、分析的軟體，通過高速的計算機運算和業內專家的研判，精確描繪現狀並預測未來。比如，利用谷歌、騰訊、網路、微博提供的數據預測今年的流感、預測社會輿論的趨勢。大數據正在徹底改變我們對政治、新聞、商業、健康、教育的認識。

大數據技術使對規模巨大的數字信息進行自動及瞬時的分析變成可能。而掌握這種技術的公司，就會成為別人數字資產的事實上的擁有者，這些公司運用大數據軟體，跟蹤分析社交媒體或搜索引擎，就有可能跟蹤世界上幾乎任何地方的人的活動和往來。運用大數據分析事物，其最大的特點，是幫助我們發現兩個看上去毫不相關的事或人之間暗藏的關聯。數據挖掘技術的提高使得目標信息能夠被還原得更加准確。近年來，以微博、微信為代表的社交媒體受到熱捧。人們熱衷於在這些社交媒體上發布自己的照片、心情、行蹤等各類信息。與此同時，伺服器還會記錄下用戶的登錄時間、信息消費習慣、地理位置等大量後台數據。以這些信息為基礎進行數據挖掘，便能夠准確地掌握需要的個人信息。目前為止，位置數據的使用者多是第三方——程序開發員，知名品牌和廣告公司；「第二方」（電信商和設備管理者）擁有這些數據，而「第一方」，即我們每個人既無法得到數據也無法支配這些信息。中國移動推出的手機地圖服務，通過你或朋友的手機號嗎，即可找到你自己的位置或你好友的位置，體驗大數據擁有者的概念，發現電信或網路公司是如何利用大數據對你的日常生活進行跟蹤、監測和控制的。例如，美國國家情報局花更多的錢去挖掘元數據，而不再是竊聽和偷聽通訊內容。元數據指的是關於誰在打電話或發郵件的信息。美國法律和美國政策把通訊內容視為最為私密且最有價值的，但這在今天已經過時了。美國情報和執法部門使用大數據技術，能從手機蜂窩塔得到的數據跟蹤一個人所在的海拔高度，精度足以確定該人在某棟建築的某一層，甚至能夠通過分析手機數據，尋求預測一個人最可能採取的路線。

當不同的數據流被整合到大型資料庫中後，例如把使用手機的時間和地點與信用卡購物、銀行卡電子收費系統的數據相匹配，數據分析師能獲得一個人生活的不同側面，而在過去，僅靠偷聽他們的談話絕對無法得到這么多。《自然》雜志發表的報告顯示，打一次行動電話的地點、時間和內容等數據，足以在95%的情況下確定打電話者的身份。通過大數據，數據分析可以發現各種各樣的關聯。

英國《衛報》在2011年英國倫敦暴亂事件中成立了「解讀暴亂」團隊，廣泛使用大數據，幫助讀者更好地理解事態進展和背後原因。與此同時，《衛報》還與學界進行合作，邀請曼徹斯特大學的Rob Procter帶領的學術團隊一起研究社交媒體在暴亂中的作用。後者一共分析了260萬條關於暴亂的推特（Twitter），觀察謠言如何在推特上傳播，不同的用戶在宣傳和散布信息中的功能，以確定推特和其他組織是否煽動了暴亂。《衛報》的「解讀暴亂」數據團隊使用簡單的地圖，顯示暴亂發生地點的貧困程度，讓「暴亂與貧困沒有關系」的主流政治話語不攻自破。他們還製作了一段視頻，將暴亂發生地和參與群眾的家庭住址聯系起來，顯示出「暴亂通勤路線」，建模預測暴亂者最有可能採取的路線。此外，他們還展示出網路流言的傳播途徑。研究者按照話題將關於暴亂的推特分類，編碼為重復、駁斥、質疑和評論，然後進行可視化處理。該研究發現了主流媒體在流言傳播中的明顯角色以及推特在矯正流言中的作用。

通過大數據的應用程序，人們可發掘大數據的意義。國外已經開發出軟體查詢所處地區的犯罪趨勢，社區醫生的安全執業記錄，或是為他們選出的候選人的政績。

二、大數據時代的輿論宣傳

但是，研究人員在研究了谷歌、推特、網路、騰訊、新浪等搜索引擎和社交網路媒體後，開始預言大數據帶給人類的危害：不會自我刪除有害、仇視、無用、虛假信息和個人隱私的信息。 虛假、仇視和個人隱私的信息往往更容易聚集大量的信息和人群。如果有害的、仇視的和虛假的信息聚集得愈來愈多，大數據製造的人類大腦空間會帶來一種世界末日的恐懼。牛津大學互聯網學院網路治理與管理教授肖恩博格在其不久前出版的《刪除》一書中指出，大數據讓人類獲得了前所未有的巨大能量，但是大數據同時帶來嚴重的不良後果。例如，各類搜索引擎、社交媒體誣蔑他人的信息會永久性地留在那裡。騰訊、谷歌、網路會記住我們搜索任何信息的內容、時間和地點。搜索引擎會記住你的那些你個人認為最好永遠被遺忘的東西 —— 媒體斷章取義報道的你的談話、電腦合成的你的不雅照片和視頻，這些虛假的內容和圖像就如同你身上的紋身一樣永遠地把你留在大數據里了。在這樣的大數據時代，我們生活在這樣一個無邊無際的時空里：無網路盡頭的點擊、無時間盡頭的翻頁、無邊界盡頭的信息聚集，越來越多的無用信息淹沒相關信息，越來越遠離自身真實需求的閱讀。

2013年暑假，我帶著學生，來到印度洋的一個海島上，在無手機和網路信號的地方，聽世界著名傳播大師Miles Young講大數據時代的新聞傳播。他說，「如果你被手機和網路媒體利用，你就成了白痴。」

在網路上、在微博里看到溫州動車事故大照片和200多萬條圍攻高鐵的微博，是什麼感覺？多數人這時想到的是：乘坐動車的風險太大！而沒有想到其在現實生活中發生的概率。在這種時刻，很少有官員或記者有一種強大的內定力，不被這種具有強大的新聞價值、高情感的事件左右自己獨立的思考和判斷。更多的是跟隨著高情感的故事去激動地發泄，而不是去冷靜思考。科學家與媒體對風險的不同評估。科學家用數學模型和概率評估風險，媒體對風險判斷基於新聞價值判斷，而不是科學判斷。天天發生的事情不是新聞，極少發生的事情成了大新聞。每年近十萬人死在公路上不是新聞，而每年死在鐵路上的十幾個人就是天大的新聞。2011年7月22日「信陽大巴失火事故」死亡41人，但是在網路的新聞網頁搜索中，只顯示了19條搜索結果。而第二天發生的溫州動車死亡39人的事故，在網路的新聞網頁搜索中，出現了116萬條新聞。

經過上面這一番分析，我們想想看，過去十年裡，哪一條網上熱炒的新聞讓你變得聰明？你是希望理性認知世界？還是感性認知世界？

超過全國人口半數的人使用移動通訊設備，其中很多人每天早上醒來，第一件事就是看微博、查微信。這些人無論乘車、上班、上課、開會、吃飯、喝茶、聊天，每四分鍾低一下頭，一天要低頭兩百次，都是在轉入「雲端」去獲取第一時間的新聞。

處在雲端、靠大數據舞台支撐的社交媒體呈現給我們的內容越來越與我們的現實生活不相關。媒體和網路認為新聞的價值在於「新」，而不在於這條新聞對你個人的生活、職業、工作、教育、住房、看病、養老、收入等的「相關性」。多數社交媒體和網路的消費者在看新聞事件時，看不到這條新聞與自己的「無關性」。他們看到的，更多的是事件的「新鮮性」、「趣味性」。媒體和網路機構的口號是，讓你第一時間獲得新聞。好像你如果比別人早在媒體上看到這條新聞，你就比別人優秀和幸福。但是，我們每一個人問一問自己：我有必要第一時間看到這條新聞嗎？第一個看到這條新聞的讀者比最後一個看到這條新聞的讀者真的更幸福嗎？有人說，如果你不看新聞，你就會與現實輿情和主流社會脫節。但是，今天的越來越備受關注的網路輿情，更多的是媒體上的詭辯家和輿論領袖煽動烏合之眾，為了某種個人的目的製造出來的。今天的輿情更多地依存於影星式的學者、影星式的記者、影星式的商人和影星式的政客為中心的偽輿情。正像美國哲學家埃里克?霍弗所描繪的，「一個國家最不活躍的人群，為佔大多數的中間層次。他們是在城市工作和在鄉間務農的正派老百姓，然而，他們的命運卻受分據社會光譜兩頭的少數人——最優秀的人和最低劣的人所左右。」

在網上看社交媒體新聞，有點像得了白內障，失去大部分視野，只保留中央視力，只專注一件事，忽略了一個意義重大的趨勢。只關注社交媒體的人，觀點會非常狹隘，大腦集中在一個單一的想法、意見等，排除不同觀點。社交媒體轟炸性地重復那些受眾無能為力的新聞，受眾越來越感覺被網路牽著走。我們一直這樣被動地被網路牽著鼻子走下去，直到有一天，我們對社會產生了悲觀的、麻木的、玩世不恭的和宿命論的世界觀。我們最終患上了一種心理學上的抑鬱症「習得性無助」，在看到網路對某件事的轟炸性報道後，會產生無助感，通常會從三個角度來處理問題：將個人投射到問題上，針對問題來內化自己；認為問題是普遍的，影響了生活中每個層面；認為問題是永恆的，不可能被改變。

社交網路媒體上的新聞好像是專門用來擾亂你的思考，不斷用短時記憶把你的長期記憶偷走。人類有兩種記憶力：長期記憶和短時記憶。長期記憶儲存著無限的信息，短時記憶是瞬間即逝的信息片段。從短時記憶進入長期記憶要經過一個瓶塞，如果你要提高對事物的理解力，你必須進入長期記憶。但是，片段化的、瞬間社交網路新聞阻礙你進入長期記憶的通道，就像一部只有內存、沒有硬碟的電腦，讓人無法全面地、歷史地、完整地、准確地把握一件事、一個人。

新聞傳播的信息多是短時記憶，是今天或近期剛剛發生的瞬間的孤立事件，經過媒體聚焦、放大、炒作，變成了一件網上人人傳播的關於一個人的真實事件。大數據的挖掘和輿情研判是關於一個人、一件事的完整畫面和全部事實，是客觀存在的，而不是媒體主觀選擇的。准確完整的科學判斷比誇張和主觀選擇的輿情判斷更重要。

運用大數據研判和預測社會輿情，必須堅持客觀性和價值中立。價值中立是在大數據研究中不讓學者的價值偏好對輿情的分析與結論產生影響。但當前，要防止某些部門和輿情公司呈送給黨政有關部門的輿情報告往往刻意選取某些數據、剔除另一些數據。

三、大數據時代的輿情研判與輿論引導

習近平同志8.19講話是做好社會重大輿情准確研判的指導思想。習近平說，「各級黨委要負起政治責任和領導責任，加強對宣傳思想領域重大問題的分析研判和重大戰略性任務的統籌指導，不斷提高領導宣傳思想工作能力和水平。要樹立大宣傳的工作理念，動員各條戰線各個部門一起來做，把宣傳思想工作同各個領域的行政管理、行業管理、社會管理更加緊密地結合起來。」因此，大數據時代的輿情研判的基礎必須是完整、准確和極速的信息抓取。准確的輿情報告需要純粹的事實、一手的材料，是不經過修飾、篡改的事實性信息。但是，今天的輿情是可以被各方利益集團的政治力量和經濟力量所操縱的，是主觀選擇的。完整的信息暴露的是赤裸的事實，這包括一手的文本、圖片、音頻、視頻等。目前，向中央各部門報送輿情的機構很多。各利益集團也都在試圖向中央呈送有利於自己政治議程的輿情報告，從內部影響高層。重大敏感事件發生後，一方面，某些網管用最快的速度封堵主觀上認定的「有害信息」；另一方面，某幾個有影響的輿情機構又依據某些利益集團的隱藏議程需要，選擇性地編撰所謂「輿情報告」，向上呈送，影響高層對形勢的研判。輿論的形成不是社會公眾理性討論的結果，而是網路媒體建構的『意見環境』的壓力作用於人們懼怕被群體孤立的心理，強制人們對所謂的『優勢意見』採取趨同心理和行動」。多數網民屬於中下層社會，但網上的意見領袖和大V卻是一個特殊群體。網上大V不代表社會不同階層的全部民意，他們更多的是某既得利益集團的代言人，但他們以民意代表自居。一些利益集團精心扶植培育自己的網路代言人，引導網民去思考哪些問題、怎麼去思考這些問題。結果，利益集團的代言人和輿論領袖對關鍵事件和問題的片面觀點，導致很多網民和群眾對事實真相的了解產生巨大的偏差。而這些片面、偏激觀點卻被包裝成了「主流民意」或所謂的「真實的輿情」。網路媒體通過突出某些觀點、忽視某些觀點、給某些觀點貼上「主流」和「正確」的標簽、給某些觀點貼上「非主流」和「謬誤」的標簽來影響和制約輿論。有的政府官員為了維護個人的形象，在輿論面前，把被利益集團精心策劃的「網路多數人的意見「當成全部事實，用網上突發的新聞炒作這種短時記憶埋葬了頭腦里更為真實、更為全面、更有價值的長期記憶。

正確的大數據環境下的輿情搜集是：不留死角、360度全視角、分秒不停地抓取全部的赤裸裸的數據，用大數據消除新聞製造的短時記憶，恢復科學的、真實的長期記憶。

在獲取完整的全部數據的基礎上，正確的輿情研判包括6個要素:

1.What：發現了什麼敏感信息，這些敏感信息內容是什麼？嚴重程度如何？關繫到哪些部門和個人？

2.Who： 誰在撰寫、發表、閱讀、轉載、評論、搜索這些敏感信息？

3.Where：在哪裡可以找到敏感的信息？搜索引擎、網站、博客、微博、微信、論壇……

4. How：這些信息將（已經）如何傳播？怎樣去正確引導它在互聯網上的影響？

5.When：你是不是可以第一時間得到這些敏感信息？

6.So what：這些信息傳播到社會上又怎樣？究竟有何嚴重的不良影響？值得我們或上級領導去花時間和人力去關注和干預嗎？不進行輿論干預和引導又會怎樣？

在大數據形勢下開展社會輿情收集、研判和預警工作在於以數據挖掘、分詞技術、語義分析、情感識別等技術為手段，建立高效靈敏的社會輿情軟體系統並安排配套的工作機制，及時辨別輿情風險並發出預警信號，科學研判輿情熱度、烈度、敏感度和擴散度，行之有效地干預應對。其中輿情研判的實現目標包括：

1、實現媒體報道、論壇貼文、博客文章、微博文章和新媒體互動討論的全面輿情抓取和數據實時更新，輿情監測無死角。

2、實現對文本數據、圖片數據、音頻數據和視頻數據的綜合處理，攻克目前輿情處理局限於文本報道的技術瓶頸，輿情監測全覆蓋。

3、實現對輿情數據的可視化展示，用圖表呈現輿情的時間走勢、地域分布、主題分布、文章排行、熱度聚集、熱詞發現等輿情分析結果，輔助決策。

4、實現對相關熱點話題的自動識別、智能聚類以及對傳播路徑的追溯、對議題漂移的捕捉和核心觀點的摘要。

5、實現對輿情背後核心人物、核心媒體、核心機構的智能發現，以及關系分析和意見陣營分析。

6、實現對負面突發敏感輿情的及時預警，做到早發現、早預警、早引導。

輿情系統的風險預警應建立在對社會輿情大數據進行充分的數據挖掘、分析和研判的基礎上，應用社會學、政治學、傳播學、管理學等交叉學科的理論、原則、規律和方法，通過互聯網和計算機軟體技術平台，堅持定量研判、科學決策、多重模擬、人機結合的原則，對輿情風險進行預測、預警和干預，並應用虛擬現實技術，將警源、警兆、警情實行模擬預測，對於重大突發事件提供有針對性的危機處理對策。根據中國科學院牛文元教授的「社會燃燒理論」，把各種各樣反社會主流的議論、見解和訴求作為「燃燒物質」的集合，隨著時間的演變，輿論「場」中開始呈現出等級分布，將會催生向一致意見靠攏的機會，這可以理解為社會「助燃劑」在起作用，最終引發輿論形成的是某個突發事件或輿論領袖的言論，這就是具有臨界閾值的「點火溫度」。

輿情風險預警機制能否科學、准確地實現危機預警，是整個輿情系統成功的關鍵。在大數據時代，預警子系統的設計應遵循以下原則：

第一，重點監測原則。網路輿情的醞釀、發酵過程中，各方輿論領袖起到了關鍵性的作用，因此，要敏銳識別和觀察各方輿論領袖；此外，既要對互聯網進行全面信息掃描，又要重點掃描重點網站，一方面避免漏報信息，另一方面大大地減輕伺服器的負荷。

第二，可操作性原則。網路輿情涉及多個變數，有些變數是難以進行量化測量的，因此預警指標應具有可操作性，並能夠客觀、准確地反映網路輿情風險的本質。可操作性是輿情系統的必然要求, 輿情系統的研究不能只停留在理論上，要論證預警指標體系能否符合實際需要, 指標的數量不宜過多, 層次不能過於復雜, 評估方法應該能夠實現自動化。

第三，人機結合原則。再智能的計算機軟體也難以匹敵經驗豐富的專家人腦。一方面，輿情分析、研判、預警屬於前沿探索技術，軟體的准確率需要一定的時間和突發事件檢驗；另一方面，輿情隸屬於社會科學范疇，諸如社會心理、網路情緒等純主觀輿情指標，很難分解為具體可量化指標。這些因素導致目前階段輿情系統必須輔以一定的專家人工服務，尤其是在輿情預警、研判方面，能夠提高輿情管理的效率和水平。

總而言之，在輿情研判和輿論引導中，要充分利用大數據技術，通過網路數據搜集的爬蟲技術，360度全視角獲取純粹的事實、一手的材料，即不經過修飾、篡改的全部的事實性數據，去做出准確的輿情研判，為黨和國家的科學決策服務。

以上是小編為大家分享的關於大數據時代的輿情研判和輿論引導的相關內容，更多信息可以關注環球青藤分享更多干貨

6. 如何作好大數據時代的輿情監測服務

從根本上講，網路輿情監測要求達到實時性、全面性和准確性。多瑞科輿情數據分析站能滿足系統輿情信息服務市場三個要素，實時性：輿情獲得越早，給應對和處置留下的餘地就越大，而網路輿情的發展往往是爆發式的，機會稍縱即逝，一旦錯失最佳時機將追悔莫及；全面性：網路輿情容易攻其一點，不及其餘，信息量大，容易使很多重要信息被忽略；准確性：海量信息條件下，如何准確地掌握問題核心，不為紛擾所困，是得出正確判斷的關鍵。
目前輿情監測的現狀存在很多待改進的地方。首先，手工監測存在天然局限性。通過安排固定人手24小時值班，不間斷地瀏覽目標站點並搜索目標關鍵詞，是在缺少自動化系統時最直接也是最初級的輿情監測方式。由於受到每個人主觀思想的限制，手工監測總會有觀察盲區，總會有覺得不重要但事後被證明很嚴重的地方，且手工無法察覺到一些站點或者一些偏僻的網頁內容發生改變；同時，人不是機器，長期反復監測容易導致疲勞，經常會使得該判斷出來的輿情，一不留神就漏掉了。這些都會在實時性和准確性上存在很大波動。
其次是過度依賴搜索引擎。人們往往認為在網路輿情的大海里也只有搜索引擎才可能具備撈針的本領。但是，搜索引擎仍然具有不少局限性。除了搜索結果受關鍵詞影響很大外，搜索引擎返回的結果往往來自不受任何訪問限制的網站，而諸如論壇等需要登錄的網站則完全被排除在外。但是網民發表意見最多的地方，恰恰是這些提供互動功能的網站。更進一步的，搜索引擎的網路爬蟲具有一定的時延性，因此不能實時搜索到最新的網頁更新。因此，搜索引擎不能為我們提供問題的全貌，因為它只針對關鍵詞而不針對問題，所以談不上全面性；搜索引擎也不能在第一時間得到我們所想要的結果，因為不僅是它的內容更新不夠快，而且它也不能提供針對時效性的服務，所以談不上及時性；搜索引擎只能在海量網頁中返回另一個海量的結果，而且是以雜亂無章的形式，對於我們關心什麼，它一無所知，所以它給出的結果是所有人都關心的，而非我關心的，因此也談不上准確性。可見，我們不能完全依賴搜索引擎來監測網路輿情，需要提出全新的技術手段來獲知網路輿情，並跟蹤和分析輿情。

因此，要想保證輿情監測的實時性、全面性和准確性，最可靠的辦法就是使用自動化的輿情監測系統，依靠軟體系統來消除人工方式的不足，依靠軟體系統來定點的監測目標站點及整個網路，跟蹤分析各個輿情主題的發展軌跡，並自動地整理生成日報/周報等報告，將輿情與政府的日常工作業務有機整合在一起。
多瑞科輿情數據分析站系統是基於對互聯網輿情信息進行管理的應用軟體系統。系統整合互聯網信息採集技術及信息智能處理技術，通過對互聯網海量信息自動抓取、自動分類聚類、主題檢測、專題聚焦，實現用戶的網路輿情監測和新聞專題追蹤等信息需求，形成簡報、報告、圖表等分析結果，為客戶全面掌握群眾思想動態，做出正確輿論引導，提供分析依據。
網路負面消息的常用辦法是刪帖，但是刪帖有時候不但起不到疏導輿情和平息輿論的作用，相反會進一步激化輿論和公眾的不滿情緒，讓事件進一步發酵升級，演變成全社會談論的公共事件和公共話題，從而更加不利於問題的處理和化解，讓政府和企業處於更被動的局面，結果損害政府和企業的公信力。
那麼網路負面消息該怎麼處理呢？
一是提高網路意識，避免引發負面炒作的話題出現。這是預防。
二是整合內部機構，構建反應迅速的輿情監控系統。可以建立一套例如蟻坊軟體類的輿情監測系統，及早的發現網路負面消息的萌芽。這是監測。
三是辟謠疏導封堵並舉，牢牢掌握網上輿情引導話語權。這是引導。
四是拓展各種發聲渠道，建立完善網路新聞發言人制度。這是後期處理。

7. 大數據時代，如何做好輿情監測工作

對大數據的採集加工是整個輿情監測的基礎，掌握數據抓取能力，通過「加工」實現數據的「增值」是輿情監測分析的必備技能。多瑞科輿情數據分析站系統網路輿情監測系統因配置自己研發不同於爬蟲技術的領先採集技術，用戶不但可以監測各種正文信息，還可配置系統採集獲取某些主題的最新回復內容，並獲取其詳細信息，如查看數，回復數，回復人，回復時間等。許多網站結構復雜或採用了Frame或採用了JavaScript動態寫入內容或採用了Ajax技術實時自動刷新內容，這些都是普通爬蟲技術很難處理或無法處理的。對於採集監測到的信息，系統可以自動加以分類，以負面輿情，與我相關，我的關注，專題跟蹤等欄目分類呈現，讓用戶可以直奔主題，最快找到自己需要的信息。
對趨勢的研判則是大數據時代輿情監測的目標。如今人們能夠從浩如煙海的數據中挖掘信息、判斷趨勢、提高效益，但這遠遠不夠，信息爆炸的時代要求人們不斷增強關聯輿情信息的分析和預測，把監測的重點從單純的收集有效數據向對輿情的深入研判拓展。多瑞科輿情數據分析站系統輿情監測系統對監測到的負面信息實施專題重點跟蹤監測，重點首頁進行定時截屏監測及特別頁面證據保存。監測人員可以對系統自動識別分類後的信息進行再次挑選和分類，並可以基於工作需要輕松導出含有分析數據圖表的輿情日報周報，減輕輿情數據分析，統計作圖的繁雜度。對於某些敏感信息，系統還可通過簡訊和郵件及時通知用戶，這樣用戶隨時都可遠程掌握重要輿情的動態。
大數據時代需要大採集，大數據時代需要大分析，這是數據爆炸背景下的數據處理與應用需求的體現，而傳統的人工採集、人工監測顯然難以滿足大數據背景下對數據需求及應用的要求。多瑞科輿情數據分析站系統網路輿情監測平台成功地實現了針對互聯網海量輿情自動實時的監測、自動內容分析和自動報警的功能，有效地解決了傳統的以人工方式對輿情監測的實施難題，加快了網路輿論的監管效率，有利於組織力量展開信息整理、分析、引導和應對工作，提高用戶對網路突發輿情的公共事件應對能力，加強互聯網「大數據」分析研判。

8. 互聯網大數據在輿情方面的應用有哪些

港澳台居民來內地（大陸）旅遊輿情調查、微博旅遊輿情指數、2015家居建內材消費趨容勢研究。輿情大數據指數研究得到了國家旅遊局、中國旅遊報、中國旅遊輿情智庫、家居建材大數據輿情智庫、新浪、微博、微博數據中心的大力支持，得到了中國社會科學院新聞與傳播研究所及輿情實驗室的全方位協助與合作。

(8)大數據時代輿情擴展閱讀

大數據的價值體現在以下幾個方面：

對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷；做小而美模式的中小微企業可以利用大數據做服務轉型；面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。

不過，「大數據」在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。著名經濟學家路德維希·馮·米塞斯曾提醒過：「就今日言，有很多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義的了解。」這確實是需要警惕的。

9. 大數據時代輿情數據該怎麼分析

輿情分析是十年前的熱門概念，那時候還沒有大數據呢。現在輿情分析也是一樣的做法，採集數版據權，分析文本，給出提醒三個步驟
採集數據，為特定的詞彙，或者在相關的網站採集跟需要關注信息相關的一些文字下來，一般用的是爬蟲技術。
採集回來的數據進行存儲，使用自然語言處理技術識別裡面的敏感詞，感情傾向
分析結果存在不好的進行預警