淺析高校網(wǎng)絡(luò)輿情信息來源及采集方法

劉儒夢 陳銀茹 趙麗娜

【摘要】隨著網(wǎng)絡(luò)的膨脹式增長，建立完善的網(wǎng)絡(luò)輿情監(jiān)測系統(tǒng)是現(xiàn)代高校急需解決的問題，它有利于準(zhǔn)確掌握學(xué)校輿情動態(tài)、把握學(xué)生發(fā)展方向、維護(hù)學(xué)校的和諧穩(wěn)定。網(wǎng)絡(luò)輿情來源主要分為網(wǎng)站BBS，即時通訊軟件、貼吧、微博。輿情信息的采集方法包含基于博客的采集、基于貼吧的采集、基于網(wǎng)站的采集以及利用關(guān)鍵詞詞頻分析法采集。

【關(guān)鍵詞】高校；網(wǎng)絡(luò)輿情；信息采集

新媒體時代，網(wǎng)絡(luò)對大學(xué)生的影響越來越大，但是由于大學(xué)生社會經(jīng)驗(yàn)不足、辨識能力有限，面對網(wǎng)上良莠不齊的信息，有時會產(chǎn)生錯誤的判斷，甚至被一些別有用心的人利用，產(chǎn)生嚴(yán)重負(fù)面影響，進(jìn)而影響校園的和諧穩(wěn)定。因此，高校職能部門迫切需要做好網(wǎng)絡(luò)輿情信息的監(jiān)管工作。對負(fù)面的網(wǎng)絡(luò)輿情做到事先預(yù)防，事中引導(dǎo)，事后處理。因此，對高校輿情來源及輿情信息采集方法的分析具有很大的現(xiàn)實(shí)意義。

一、高校網(wǎng)絡(luò)輿情信息來源及特點(diǎn)

通俗來講，網(wǎng)絡(luò)輿情是因各種熱點(diǎn)或者與自身利益相關(guān)的事件而產(chǎn)生的通過互聯(lián)網(wǎng)傳播的人們對于該事件的所有認(rèn)知、態(tài)度、情感和行為傾向的總和。

新媒體時代的高校網(wǎng)絡(luò)輿情信息來源極為豐富，主要包括學(xué)校門戶網(wǎng)站BBS、各學(xué)院網(wǎng)站BBS、微博、貼吧、博客，即時通訊軟件qq、微信，以及各種新聞app。

高校網(wǎng)絡(luò)輿情信息具有迅捷性和互動性。由于移動通信工具的便捷性、大學(xué)生休閑時間相對充裕以及大學(xué)生積極互動的特點(diǎn)，使得一些新出現(xiàn)的熱點(diǎn)信息，可以在很短的時間內(nèi)進(jìn)行蔓延，形成輿情。以河北金融學(xué)院為例，2016年三月份發(fā)生在校園內(nèi)的白色轎車事件。在沒有確認(rèn)真?zhèn)蔚那闆r下，“白色轎車內(nèi)幾個大漢遇單身女學(xué)生遍追拉上車”的消息在一天之內(nèi)已經(jīng)在百度貼吧，各個qq群，微信群，以及qq空間，朋友圈內(nèi)瘋傳了。就此事件而言，如果學(xué)校處理不當(dāng)，會對學(xué)校治安以及學(xué)生心理產(chǎn)生不良影響。

高校網(wǎng)絡(luò)輿情信息具有多元性和目的性。大學(xué)生關(guān)注的信息既包含與自身利益相關(guān)的問題、也包含學(xué)術(shù)問題和政治問題。他們參與輿情的目的多樣化，包括結(jié)交朋友、交流情感、學(xué)術(shù)討論、開闊眼界、解決問題等。學(xué)校的貼吧、網(wǎng)站BBS、qq群、微信群、新聞app等，為他們提供了交流的平臺。一般這些平臺基本上不需要實(shí)名認(rèn)證，便于同學(xué)們暢所欲言。

高校網(wǎng)絡(luò)輿情具有爆發(fā)性。由于熱點(diǎn)信息傳播迅速，參與者多，且客體是沒有社會經(jīng)驗(yàn)、辨識力不足、正義感較強(qiáng)的大學(xué)生。若學(xué)校網(wǎng)絡(luò)輿情信息監(jiān)管力度不夠，極易偏離熱點(diǎn)本態(tài)，在短時間內(nèi)形成負(fù)能量網(wǎng)絡(luò)輿情，在學(xué)校在不知情的情況下，影響學(xué)校聲譽(yù)、學(xué)校良好氛圍、學(xué)生態(tài)度。

二、高校網(wǎng)絡(luò)輿情信息采集方法

網(wǎng)絡(luò)輿情采集的核心在于網(wǎng)信收集，即快速準(zhǔn)確收集延時輿情信息，在互聯(lián)網(wǎng)中，由于信息量龐大，存在形式多樣復(fù)雜，僅僅采用人工收集顯然難以實(shí)現(xiàn)，必須運(yùn)用信息技術(shù)，利用軟件自動收集。以自動收集為主、人工收集為輔，對互聯(lián)網(wǎng)信息進(jìn)行廣泛收集。本文主要從以下幾個方面介紹輿情信息獲取方法。

1、基于博客的信息采集

首先，每個博客服務(wù)托管商（以下簡稱BSP）下的注量都很龐大，且BSP首頁鏈接較少，難以在互聯(lián)網(wǎng)上識別出較多的博客頁面。其次，blog數(shù)據(jù)源更新頻繁，需要使用實(shí)時刷新采集機(jī)制采集博客信息。再次，博客中一般都用到了RSS（Really Simple Syndication）技術(shù)，RSS是描述及同步網(wǎng)站的一種具有格式化特點(diǎn)的格式，在Web應(yīng)用中被廣泛使用?；诓┛偷倪@些特點(diǎn)，可以利用基于抓取時間和分析HTML文檔的方法來識別博客。設(shè)計(jì)基于RSS的分布式博客搜索引擎，實(shí)現(xiàn)對更新頻繁的頁面進(jìn)行實(shí)時性搜索。

2、基于貼吧的信息采集

貼吧的信息采集主要用到了頁面爬取技術(shù)和內(nèi)容提取技術(shù)。頁面爬取技術(shù)主要用于完整地對貼吧內(nèi)各個主貼、回帖的內(nèi)容進(jìn)行爬取，得到頁面代碼。該爬蟲優(yōu)先搜索主貼，再根據(jù)主貼分析出各主貼的回帖鏈接，并將主貼和回帖全部下載。由于下載下來的為源代碼，所以需要利用內(nèi)容提取技術(shù)，對網(wǎng)頁html、css、JavaScript源代碼進(jìn)行分析，提取代碼中的帖子的全部內(nèi)容信息。然后再將非結(jié)構(gòu)化的語句結(jié)構(gòu)化，存入數(shù)據(jù)庫中。

3、基于網(wǎng)站的信息采集

隨著Ajax技術(shù)在網(wǎng)站的應(yīng)用越來越普遍。傳統(tǒng)的網(wǎng)絡(luò)爬取技術(shù)已經(jīng)不能滿足現(xiàn)在網(wǎng)站信息采集的需要。

信息采集過程包含兩個部分，信息爬取和信息優(yōu)化。信息爬取的頁面分為兩種，靜態(tài)頁面和動態(tài)頁面。對靜態(tài)頁面的采集比較簡單，一般采用將HTML頁面解析成文檔DOM樹，采用遞歸方式，對DOM樹種的文本節(jié)點(diǎn)以及元素節(jié)點(diǎn)進(jìn)行信息提取。動態(tài)頁面中嵌入了很多JavaScript、Ajax異步調(diào)用腳本語言，動態(tài)頁面爬取相對靜態(tài)頁面提取比較復(fù)雜。在動態(tài)頁面中，很多有價值的信息是用戶主動與界面進(jìn)行交互之后出現(xiàn)的，因此，必須對傳統(tǒng)的爬蟲程序進(jìn)行改進(jìn)。Ajax頁面可通過傳統(tǒng)爬蟲程序獲得，之后對Ajax頁面進(jìn)行加載和渲染，保存用戶與頁面交互前的DOM結(jié)構(gòu)，并將DOM結(jié)構(gòu)中的所有時間添加到指定事件隊(duì)列，然后依次對事件進(jìn)行觸發(fā)，并將變化后的DOM結(jié)構(gòu)保存，直至所有的事件觸發(fā)完畢，再將所有保存過的DOM結(jié)構(gòu)輸出，完成初步的Ajax網(wǎng)頁信息爬取。再通過對DOM結(jié)構(gòu)進(jìn)行抗干擾優(yōu)化，存入數(shù)據(jù)庫，即完成網(wǎng)站信息的采集。

三、關(guān)鍵詞與變異關(guān)鍵詞頻率分析

網(wǎng)絡(luò)輿情信息一般是非結(jié)構(gòu)化的，需要將非結(jié)構(gòu)化信息轉(zhuǎn)換成結(jié)構(gòu)化信息之后，存儲在專門的數(shù)據(jù)庫中。采用關(guān)鍵詞與變異關(guān)鍵詞詞頻分析法，對相近關(guān)鍵詞及變異關(guān)鍵詞匯總，繪制關(guān)鍵詞隨時間的頻率變化曲線，并對其進(jìn)行排序。可以分析出當(dāng)前熱點(diǎn)輿情以及有熱點(diǎn)輿情發(fā)展趨勢的信息。以便于高校有針對性的對輿情進(jìn)行管理。

四、總結(jié)

完善的高校網(wǎng)絡(luò)輿情信息管理，可以對學(xué)校穩(wěn)定和和諧起到預(yù)警作用，可以為學(xué)校的管理和教學(xué)提供現(xiàn)實(shí)依據(jù)，可以使學(xué)校了解學(xué)生層次素質(zhì)與心理，有益于學(xué)校發(fā)展。網(wǎng)絡(luò)輿情信息的采集方法，必將受到學(xué)校職能部門重視。

基金項(xiàng)目：河北金融學(xué)院大學(xué)生科學(xué)研究基金資助項(xiàng)目，項(xiàng)目編號：DXSKYY2015030

【參考文獻(xiàn)】

[1] 高天宏. 互聯(lián)網(wǎng)輿情分析中信息采集技術(shù)的研究與設(shè)計(jì)[D]. 北京郵電大學(xué)， 2015，3.

[2] 孟東霞， 陳 剛， 封二英. 基于校內(nèi)貼吧的高校輿情預(yù)警系統(tǒng)的設(shè)計(jì)與構(gòu)建[J]. 青春歲月， 2015，4.

[3] 李雁行. 基于詞頻分析法的高校網(wǎng)咯輿情研究熱點(diǎn)分析[J]. 內(nèi)蒙古科技與經(jīng)濟(jì)， 2015，4.

[4] 張東霞. 基于高校學(xué)生微博的網(wǎng)絡(luò)熱點(diǎn)發(fā)現(xiàn)及輿情分析研究[D]. 華南理工大學(xué)， 2013，6.

[5] 溫淑春. 試論經(jīng)濟(jì)社會轉(zhuǎn)型時期的輿論特征[J]. 理論界， 2008，7.

[6] 劉前紅. 新媒體背景下輿情的特征分析[J]. 新媒體研究， 2016，4.

【作者簡介】

劉儒夢（1994—），女，河北邢臺人，河北金融學(xué)院本科在讀，主要研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。

陳銀茹（1993—），女，河北張家口人，河北金融學(xué)院本科在讀，主要研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。

趙麗娜（1994—），女，內(nèi)蒙古赤峰人，河北金融學(xué)院本科在讀，主要研究方向：金融學(xué)。