基于深度学习的网络舆情监测系统研究

邓 磊，孙培洋

(1.西北政法大学 新闻传播学院， 陕西 西安 710000；2.西安理工大学 自动化与信息工程学院，陕西 西安 710000)

在互联网飞速发展的时代，基于联联网的各种自媒体平台层出不穷。与传统媒体相比，网络舆论的表达具有快速性、随机性、匿名性和便捷性等特点。截至2021年12月，我国网民规模达10.32亿，较2020年12月增长4 296万，互联网普及率达73.0%，较2020 年12月提升2.6个百分点；我国手机网民规模达10.29亿，较2020年12月增长4 298万，网民使用手机上网的比例为99.7%[1]。通过网络媒体，越来越多的网民可通过网络自主获取信息，自由地发表看法和分享观点。这样比较容易引起突发公共事件，甚至影响社会稳定。

利用舆情监测系统对网络热点事件进行及时监测和研究判断，适时化解舆情危机并引导正确发展，可使网络舆情成为民们发表意见的窗口以及领导者和相关部门决策重要依据，因此建立网络舆情监测系统，对网络信息进行及时有效的监测、预警和引导尤为重要。

本文提出一种基于深度学习的网络舆情监测系统框架。该系统能自动采集全网多数门户网站、微博和微信公众号中包括文章与评论在内的数据。在数据处理时，该系统先对文本进行清洗，再进行分词、过滤停用词，然后利用Word2Vec等进行词嵌入，将文本矢量化。随后该系统可将矢量化的文本导入LSTM(Long Short-Term Memory)模型中进行情感分析，做出舆情判断，并最终对舆情预警进行可视化展示。测试结果表明，利用本系统能及时、准确、客观地向有关部门和管理人员反映重点舆情。……