大数据时代高校网络舆情监控研究

黄烨

摘 要：随着大数据时代的到来，网络舆情的力量不容小觑。高校作为网络舆情的聚集地，由于其主体的特殊性，容易引起舆情的聚集和爆发。所以做好高校网络舆情监测，防范舆情危机的发生，可以有效保障校园网络信息安全，促进高校和谐稳定发展。

随着互联网的发展，大众喜欢在网络中发表个人意见，意见一旦聚集形成庞大的舆论就容易导致舆情爆发。网络舆情的力量不容小觑，现代互联网发展迅速，互联网上时刻充斥着各种各样的信息，稍有不慎，可能一件小事也会愈演愈烈，给互联网带来形形色色的风险。例如今年网上爆发的“肖战227”事件，本来是肖战粉丝之间的摩擦，却愈演愈烈，如同滚雪球一样，造成影响巨大的网络舆情。肖战本人也因此受到很大的牵连，个人形象和资源都大受影响。“肖战227”事件证明网络舆情影响不可忽视，良好的舆情分析管理和监控能力必不可少。

1高校网络舆情现状

高校是网络舆情的聚集地。大学生是一个特殊群体，他们年轻，有朝气，具有较高的知识水平和较强的认知探索能力，接受新生事物能力强，敢于并且善于表达个人观点、热衷于参与舆情讨论，容易对一件事情产生共鸣。在大学生当中，可能因为没有重视一个小的舆情，导致一系列连锁反应。网络舆情在高校传播的主要方式有： 微信、QQ等即时通讯;各类论坛;网络新闻的评论区;微博、博客（Blog）;抖音、快手等短视频软件。这些都是舆情的形成和表达的主要途径，大学生对这些平台都比较熟悉，也比较热衷于在这些平台发表意见和情绪，这对舆情会产生重要的影响。

高校需重视新时代网络舆情带来的挑战，并且建立起完善的网络舆情应对机制，做好网络舆情监控以及舆论引导工作，在舆情爆发之前未雨绸缪，减少负面舆情对高校正常工作的冲击，充分发挥网络文化的教育与管理功能。

2高校网络舆情的基本特征

从高校网络舆情的特征上来说，它实际上是一对矛盾的综合体：高校网络表达能够开放、互动、自由，但同时也是可控的。高校网络信息是学生情绪化和非理性的表达，但这些内容却能客观地反映学生的真实心理状况。做好网络舆情监控要了解高校网络的特征，在此基础上做出正确的舆论引导和管理。

2.1产生主体特殊

高校网络舆情的主体是大学生。他们的特殊性在于大学生是一个群体，他们年龄相仿，受教育程度相同，生活和知识水平往往在同一个层次。当网络舆情发生时，他们很容易产生认同并达成共识。大学生表达观点的欲望强烈，愿意在网络上发表对事情的看法和见解，但有时候可能会出现极端现象，容易被煽动情绪，尤其是在网络这个自由便捷的空间里，大学生往往在未经过深思熟虑且探讨不深入的情况下发表意见，形成声势浩大的意见倾向，导致网络舆情危机。

2.2輿情内容多元性

高校网络舆论涉及的内容广泛、主题多样，可能涉及到社会的各个层面。学生们通过各种渠道了解信息，传播信息，对于感兴趣的内容发表各自的看法，宣泄情绪。在虚拟的网络空间里，不同的意识和思想相互碰撞，网络舆情呈多元性发展。

2.3网络舆情突发性

网络舆情的爆发往往没有征兆和预警，属于突然爆发。大学生经常上网冲浪，对网上的事件也比较敏感，一个事件在网上曝光时，大学生往往能迅速反应并发表评论，个人意见很快聚集形成公众意见。

3网络舆情监控系统关键技术

3.1网络爬虫技术

信息采集的主要载体包括网络媒体网站、论坛、微博、微信等，可利用爬虫技术进行信息采集。网络爬虫是一种基于索引引擎技术的网络信息获取工具。它可以根据需要提取网页的脚本或程序，其基本原理是通过遍历URL，不断搜索网络信息，并将在URL中获得的数据保存到本地数据库中，实现信息获取。

3.2网页解析技术

要实现对某网站数据的爬取，需要对该网站上网页数据进行分析，了解网页的结构之后，在爬虫代码中编写提取网页中特定数据的代码。这是将互联网数据转化为通俗易懂的信息数据的重要一步，也是决定舆情监测效果的关键。目前主要有三种web页面解析技术：

3.2.1正则表达式：一种字符串匹配的模式，其由普通字符和一些元字符组成。根据特定的语法来设置字符串的匹配规则，用于快速检查一个字符串是否匹配该规则，还可以从字符串中抽取或者替换满足条件的子串。正则表达式适用于简单的字符串，但涉及到难度较大的就无法提取，正则表达式写起来较为复杂并且出错率高。

3.2.2XPath：一种在XML和HTML文档中查找信息的语言，可用于遍历XML和HTML文档中的元素和属性，并根据网页的树层次结构获取节点。这些路径表达式与常规计算机文件系统中看到的表达式非常相似。

3.2.3BeautifulSoup：是一个一个从HTML或XML中提取数据的Python库，可以按照节点的名称、节点的属性值、节点的文本来搜索符合条件的节点。它是灵活方便的网页解析库，处理高效，而且支持多种解析器。使用Beautifulsoup可以不用编写正则表达式就方便的实现网页信息的提取，可以高效节约开发者时间。

3.3分词技术

分词技术用于将语句拆分成单词。计算机要理解语义，必须先要识别出关键词，将完整的句子拆分成词串，就是分词技术了。现在常用的分词算法可分为三类。一种是基于字符串匹配的分词方法，这种方法需要有一个字典，根据一定的策略，将要待分析的字符串与字典中的条目进行匹配。如果匹配正确，则字符串是一个单词。根据不同的匹配方法，可以将匹配方法分为正最大匹配法（从左到右）、反向最大匹配法（从右到左）和最小分割法（将每句话中切出的单词数量最小化）。字符串匹配方法快速、容易实现，但不能有效处理歧义词。第二种是基于统计的分词方法，这种方法是对句子中字与相邻字共现的频率来计算，共现信息量越大，表明关系越紧密，共现次数越多，越有可能是一个词。第三种是基于理解的分词方法，这种方法可以使计算机能够模拟人类对分词的语法和语义进行分析。但是这种方法还不成熟，因为汉语结构复杂词汇量庞大，计算机需要大量的语言知识和信息。

随着互联网在全球范围内的快速发展，网络舆情给高校的稳定和大学生的成长发展带来了挑战。教育领域的舆论发展变化规律极不可控。因此，研究和监测网络舆情，对于高校的稳定发展具有重要的现实意义。做好高校网络舆情监测与管理，防范舆情危机的发生，可以有效保障校园网络信息安全，促进高校和谐稳定发展。

参考文献：

[1]孙洪庆，李晓光.大数据时代高校舆情导向机制【J】.继续教育研究，2018（8）：27-31.

[2]曹彬，顾怡立，谢珍真 . 一种基于大数据技术的舆情监控系统 [J]. 信息网络安全，2014（12）：38-42.

[3]陈燕.近十年高校舆情及舆情引导研究综述【J】.陕西理工大学学报，2017（35）：85-96.

[4]韦媛媛. 高校网络舆情引导中的微信应用探讨【J】. 当代教育实践与教学研究， 2015（ 4） .

[5]冯如晓，刘志明，雷龙艳. 基于搜索引擎的关键词舆情过滤算法研究【J】 .计算机工程应用技术，2014，10（ 6）：1328-1332.

[6]刘毅.网络舆情研究概论【M】.天津：天津人民出版社， 2007：51—52.

[7]胡静，蒋外文，朱华. W e b 文本挖掘中数据预处理技术研究【J】.  现代计算机，20 0 9（ 3）.

（江西警察学院）