曾小燕，周统钢

(广东药学院，广州 510006)

0 引言

舆情监控主要是监测互联网上的国内、国际重大事件，网友通过BBS论坛、博客、新闻跟帖、微博等网络媒体发表的网络舆情言论，通过分析信息特征和发展趋势，形成可供决策使用的数据结果的过程.舆情监控的主要对象是互联网web信息.监控对象具有数据庞大，类别繁多，而且具有非结构化等的自然语言特征.在数据量庞大的情况下，依靠人工对舆情信息进行分析、分类是不可能的，只能通过计算机处理.但由于自然语言的丰富性，包括多层次的歧义(词汇、句法、词义、语用等)［1］，目前计算机也很难完美解决问题，这给舆情监控带来困难.舆情分析系统设计难点是如何正确而全面的获取互联网上相关的舆情信息报道.为确保信息的查准率和查全率，对舆情信息挖掘涉及到语义搜索技术、文本挖掘技术、计算机语言学、信息学、心理学、新闻学等相关领域知识.

本文主要探究舆情信息挖掘的技术.从内容上看，可以把网络舆情信息看成一个二值分类问题:有用信息还是无用信息;有用信息分为:正面信息还是负面信息，因此，对舆情信息的挖掘最终回归到对信息的分类问题上.所以，各种文本分类方法都可以用于舆情信息分类.如贝叶斯［2］、决策树［3］、K 邻近(KNN)、神经网络法、本体分类［4］、基于规则的Ripper算法［5］，基于统计的支持向量机(SVM)分类方法、Boosting［6］方法、Rough Set［7］方法等.其中，由于贝叶斯方法在分类问题上表现出了很好的性能［8］，为……