本发明公开了一种基于社会网络的网络舆情行为分析方法，首先基于网络新闻或者帖子之间的相似度建立起一个网络舆情事件社会网络，然后通过分析社会网络参数随时间的变化以及参数之间的对比，自动的实现网络舆情的识别和网络舆情事件紧急程度的评估，方便相关政府部门更有效的监控和管理网络舆论。

成果简介：ELINT舆情监测系统是北京理工张华平博士专门针对网络舆情监 测的工作要求和特点而打造的，不仅采用了专业化的搜索引擎技术，还融入 了更加智能的数据挖掘技术，可以按照文章、人物、地点、机构、话题以及事件等六维空间对网络信息进行整合挖掘；同时建立一个以日为周期的网络 舆情监测平台，同时配上以周或者以月为基础的舆情分析报告，从而提供了 一个便捷、科学、可操作性的舆情工作平台。 项目来源：自行开发

项目简介：对政府部门来说， 他们高度关注的是那些最有可能给社会舆论和国家安全带来灾难性后果

系统重点解决舆情数据分析中可视化舆情数据采集、存储和分析方法问题。系统提供可视化舆情数据采集方法，解决了用户定义数据采集模板易用性问题。系统采用主流的hadoop系统作为存储系统，解决了系统可用性问题。系统实现了多种舆情数据分析算法，实现了舆情报告辅助生成功能，能够有效的协助舆情分析人员工作。系统数据采集吞吐量、数据存储、计算能力均具有良好的扩展性。

一、产品概述 文香行为分析系统支持人工智能技术，实时洞察教学场景变化，通过智能行为分析盒可以自动抓拍并分析教师和学生的行为活动，并自动生成报告，例如：举手人数、低头人数、情绪占比率统计分析等，对课堂教师和学生行为进行分析，了解学生对学习的状态。通过人工智能及大数据个性化精准分析，从单一到多元，从封闭到开放，助力学校个性化教学的发展。对学校基础信息管理和学生行为相关数据进行收集，并将采集到的数据进行数字化存储，为智慧学校建设提供重要资源。 二、产品特点 课表一键导入 课表一键导入 多种可视化图表 智能统计分析 三、智能行为分析盒 无嗓音：采用嵌入式ARM架构，无风扇设计，使用时无噪音 支持本地输出：HDMI支持本地输出查看分析画面，画面中标注实时分析结果 网络视频流接入：支持不小于2路网络视 频流接入，实现教师、学生行为实时分析 标准接口对接：采用1路千兆网口，支持标 准的HTTP接口，与学校信息化系统对接 适应大场景分析：支持云台巡视功能，可 在行为分析盒配置巡视，适应大场景分析 安全供电：为保证产品使用安全，行为分 析盒采用12V安全供电

本发明公开了一种网络舆情观点收集方法。

本发明公布了一种基于最优模型的WEB舆情趋势预测方法。该方法的基本思想就是首先对历史舆情事件进行分类获取舆情的几大类别，然后对分类获得的各个类别中事件的时间序列图进行聚类获取小类，通过保证均方误差和最小的方式求取各个小类的最优模型从而获取各个大类的最优模型集。

复旦大学“基于类脑智能的舆情系统研究”项目组就疫情期间的网络热点展开了深入分析。其中由大数据学院魏忠钰副教授和新闻学院周葆华教授负责的用户画像团队，梳理了新浪微博中群体舆论演化总体态势及代表性群体的舆论特征，并对舆论引导方式提出了对策和建议。01 大数据舆论分析：把握民意趋势、挖掘事件成因团队分析了2020年1月15日至2月16日期间与疫情相关的3000万条微博，依托情感分析、话题聚类等文本挖掘手段准确感知网民的情感倾向转变和话题动态演化。数据分析结果显示，疫情初期的舆论以负面情绪居多。随着中央全力部署、政府防控措施出台（实时数据的公布、武汉实行封城管控）、专家学者释疑解惑（钟南山院士、张文宏医生等对疫情的判断)，正向情感不断提高。随后虽然疫情增长率不断减缓，情感指数仍有变动，多与受疫情触发的热点议题相关。02 群体画像：精准定位人群、感知个性化诉求团队根据用户的职业、地域等属性将用户细分为不同群体，并进行参与度的动态比较，同时对代表性群体的网络言论进行定点分析，准确感知不同社会群体的心理诉求与价值预期。对于不同职业的用户，在疫情爆发初期，自媒体、专业技术人员和学生较为活跃，在事件后期专业技术人员、 自媒体、 企业高管、新闻出版与文化专业人士较为活跃。聚焦于奋战一线的医护群体，大多向外界传递了一往无前的抗疫精神，也不乏个别事件令其承受巨大压力，需要更多的社会理解和关爱。另外，由疫情所带来的经济影响逐渐蔓延，私营企业主及工薪阶层群体面临巨大压力，大多显露出焦虑情绪，需要采取有力措施帮中小企业主纾困解难。对于不同地域的用户，参与讨论的用户中广东、北京用户占比较高，其次是东南沿海各地，话题的地区“下沉”趋势明显。特别地，武汉患者群体作为地域分群角度的特殊主体，通过社交媒体向外界讲述自己的亲身遭遇，寻求社会救助，使个体诉求进入公共议程，激发了全网对于武汉患者群体命运的同情与共鸣。而随着国际疫情局势的不断紧张，华侨华人群体面临歧视压力，需要在下一阶段严防“输入”过程中予以妥善引导。03 事件关联：警惕次生舆情、完善发声渠道疫情期间，不少热点讨论相继引发了有关社会深层次问题的“次生舆情”，追踪事件关联将进一步协助制定危机应对预案。以近期学校实施网课为例，部分学校存在的网课工具攀比化、部分贫困群体的自卑自嘲心理引发讨论。而弱势群体缺少发声平台，若忽视其诉求将进一步激发矛盾。因此，各级政府要加强对复工复产复学过程中贫困人群的关心，新闻媒体要加强对弱势群体的报道抚慰，促进社会沟通与社会公平。不同的群体聚集于不同的网络社区之中，舆论表达方式也不尽相同，对分群体舆论特征进行分析使得挖掘群体共鸣更为高效。团队将进一步推动分群体智能舆论分析和信息汇集平台建设，探索建立公共危机信息汇集平台。在中国疫情防控不断取得阶段性成果的同时，团队还将持续跟进对国际疫情的舆情分析，为网络空间现代化治理能力的提升赋能。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 涂然 计算机科学学院/计算机科学与技术 2018/2022 201831061321 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 张全 计算机科学学院 讲师 计算机视觉、并行计算 四、项目简介 本项目开发的产品主要是针对加油站的一些风险行为进行视频监控监测，监控检测部分包括吸烟、打电话操作等危险行为，当检测到风险行为发生的时候，通过互联网的高效传输，会通过语音报警的形式进行提醒，这样可以有效的避免加油站灾难事故的发生，进一步降低加油站可能的安全隐患，能够更加保证加油站工作人员和附近居民的生命和财产安全。 本项目首先在加油站合理的布置多个监控摄像头，确保能够无死角的监控加油站的完整环境，然后结合计算机视觉和深度学习中的目标检测和目标跟踪算法，对需要监控的的风险行为进行识别，然后利用训练好的识别模型运行在监控设备里面，通过监控摄像头能够对加油站的危险行为进行及时预警，实现有效降低加油站事故发生的概率。本产品将深度学习和实际工程应用相结合，经过实际测试，取得效果非常显著，得到加油站工作人员的认可。