汽车网络舆情监测系统的设计与实现

汽车网络舆情监测系统的设计与实现

黄金惠

富通东方科技有限公司，上海 200051

摘 要：在当今互联网信息迅速增长的时代，网络舆情信息已成为消费者信息搜集的主要渠道之一。汽车网络舆情监测系统可以在较为迅速的时间内发现与监测对象相关的舆情信息和走势，有助于提升汽车企业在应对行业内竞争时数据搜集和分析的效率。本文介绍了网络舆情监测系统的概念与作用，分析了汽车舆情监测系统的现状和汽车网络舆情监测系统设计开发的原理，并阐述了汽车网络舆情系统设计的方式。

关键词：网络舆情;监测系统;汽车企业

在当今的信息化社会，舆情监测已经成为企业运营的重要组成部分，对于汽车行业更是具有不可忽视的价值。通过使用汽车网络舆情监测系统，可以实时监测平台媒体、网络、移动、汽车行业垂直媒体和其他相关平台，例如汽车行业热点、行业新闻、政策变化和其他价值信息，为汽车企业及时掌握市场趋势，全面了解自身舆情提供了极大便利，有效避免了舆情反应迟钝的情况。

1网络舆情监测系统的概述

汽车网络舆情监测系统是针对普通大众在网上发表与汽车相关言论而延伸出来的，是根据大众对汽车的评价、反馈等进行信息收集、处理和分析的系统。根据不同的信息需求进行深度挖掘和分析，使得企业可以及时掌握与自身相关的汽车行业舆情信息，从而提高汽车企业网络舆情应对质量，并为其相关决策提供辅助依据。

其中，网络舆情分析系统是利用搜索引擎技术和网络信息挖掘技术，通过网页内容的自动采集处理、敏感词过滤、智能聚类分类、主题检测、专题聚焦、统计分析等，实现对自己相关网络舆情监督管理的需要，最终形成舆情简报[1]。数据挖掘技术的出现和发展，为分析和处理网络上海量的且以非结构化形式出现的舆情信息提供了技术支撑。

随着数据时代到来，信息渠道日渐丰富，但从中挖掘、筛选和整合有用的信息资源却依然有着不小的难度。汽车网络舆情监测系统可以在较为迅速的时间内发现与监测对象相关的舆情信息和走势，以便汽车企业及时作出决策预判和风险规避；同时在相关网络舆情信息整合后的基础上进行数据分析，生成具体的舆情分析报告，提高汽车企业人员在舆情管理方面的效率和质量。

2汽车舆情监测系统的现状及前景分析

2.1汽车网络舆情的现状

网络在当今的影响力持续扩大，对企业品牌带来的热度和知名度的同时，也容易引发负面舆情。汽车行业面临广泛而复杂的网络舆情，而对其的处理往往也难以达到理想标准。在实际生活中，汽车行业经常遭遇负面舆情，导致舆论影响的事件和原因多种多样，并且很可能成为舆论热点，给企业带来网络舆情困扰。如果车企不能及时应对，任由舆情发酵，将很可能对其造成较大的负面影响。

2.2汽车网络舆情监测系统的前景分析

2.2.1适应数据时代特点的发展趋势

在大数据时代，信息呈爆炸式增长，网络舆情的影响力不断扩大，互联网上信息的获取在实际中往往有多而重复、信息分散、瞬间变换、真假难分等或多或少的困难。通过人工手段，难以及时全面地掌握、跟踪和分析那些对企业决策有辅助作用的信息。网络舆情监测系统则能够为汽车企业收集、提取和分析汽车网络舆情数据，并进一步整合分析大量网络舆情信息，使得车企能够及时制定网络舆情应对策略，不断创新和完善产品和服务，从而提高市场占有率和竞争力。

2.2.2满足普通民众对汽车网络舆情的需求

汽车安全与消费者的人身安全密切相关，因此汽车行业在网络舆情方面更容易引起关注和敏感度。消费者在了解品牌和产品时，倾向于以网络上搜索的信息作为决策的参考，但网络上的信息鱼龙混杂、真伪难辨。如果汽车企业能够及时回应处理对自己品牌和产品不利的舆情，让消费者更真实直观地了解汽车企业品牌和产品的真实信息，就能有效降低网络舆情对普通消费者购买决策的误导和影响。

3汽车网络舆情监测系统的设计实现

3.1平台整体架构设计

对于汽车行业来说，网络舆情对企业的影响不容忽视，要利用大数据开展网络舆情监测分析，人们要做的是合理编写算法程序，使系统能够通过关键字抓取和收集人们需要的信息，并在后台进行数据统计、分类、分析，最终达成实现集网络與情的“采集、存储、分析、应用、管理”五位一体的汽车网络舆情监测系统的整体架构。

1)采集。从汽车垂直网站获取论坛发帖、口碑文章和文章评论数据，并通过数据预处理以满足系统数据分析需求。

2)存储。通过正则表达式提取有用信息，并及时分类存储，为下一步分析信息做准备。

3)分析。通过分词技术和自然语言处理对存储的信息进行分析，之后再进行数据可视化处理，从而能够深入了解信息并识别其正负面。

4)应用。通过各种平台，对爬取出的信息进行分类，再分站点进行预警与浏览，实现舆情追踪、检测等应用功能。

5)管理。通过管理系统，进行用户信息管理、关键词管理以及网站的维护管理。

3.2汽车网络舆情监测系统运用的技术

3.2.1网络信息挖掘技术

网络信息挖掘技术实现了自动从网页、文档中发现和抽取有价值的信息内容，并通过数据归一化处理形成统一的格式。主要实现方法有正则表达式法、树结构分析法和 Web 挖掘法，可用于从网络信息中抽取涉及网络安全的有价值信息内容。

3.2.2网络爬虫技术。

通过网络爬虫技术爬取企业需要的内容并保存本地，系统在被采集对象的服务器上完成剪裁工作，通过多个领域或门户搜索引擎搜索用户提交的查询请求，并在后台将结果整合后返回给用户。

3.2.3自然语言处理技术

自然语言处理技术是对信息进行分类整理和归纳的关键技术，研究人与计算机之间有效通信的语言问题，主要通过自然语言处理技术中的文本分类、文本聚类、文本语义对比、语音识别和中文 OCR 等技术，对抽取到的信息进行分类处理。该技术可用于对网络上涉及网络安全的信息进行分类分析，便于检索和查找。

3.2.4话题检测与跟踪技术

话题检测与跟踪技术旨在通过算法模型对网络信息中的热点话题进行自动识别和持续跟踪，主要实现方法有基于向量的模型和基于概率的模型。该技术可用于发现涉及网络安全的重大、热点事件和话题，

3.2.5情感倾向分析技术

情感倾向分析技术用于识别信息中的主观描述文本，并通过分析、处理、归纳和推理，识别和判断信息传播主体的态度、看法和立场。该技术可用于对涉及网络安全信息的正负面等情感倾向进行识别判断。

3.2.6 文本分类技术

文本分类技术可以根据当前文本的某些特征，将其划分到预先定义好的类别中，从而帮助人们缩小查找的范围，过滤冗余和无效的信息，提高查询与检索信息的效率。文本分类方法的引入能够有效提高对网络舆情的判别速度，从而在网络舆情事件发生之前，及时预测并处理[2]。文本分类是将文本进行标注后的训练样本进行有监督学习的过程，可分为单标签文本分类和多标签文本分类两种。

单标签文本分类中，类别与类别之间不存在交叉重叠的现象，一个文本只可以有一个标签。然而在实际生活中，事物可能带有多义性，有的文本可以同时属于多个类别。尤其是在网络舆情监测方面，如果能够将文本分到多个可能的类别中，就可以更好地监测网络舆论可能的发展趋势以及网络舆论的关注面。

常见的多标签文本分类有两种，一种是将问题转化成单标签分类问题，另一种是将单标签分类算法改造以适应多标签分类，比如ML-KNN算法就是将传统的K近邻算法扩展为一种懒惰学习的多标签K近邻算法。在实际应用中，相比于单标签文本分类，多标签文本分类通常能更全面、准确地反映文本的特性。

3.2.7 舆情可视化技术。

通过舆情可视化分析技术，能够将抽象、繁杂的数据转化为易于理解的图表图像信息，能够有效克服传统数据收集、分析、呈现方法上存在效率低下以及难以发现其中的关键信息与潜在特征的不足的问题。

5 结语

通过利用汽车网络舆情监测系统，车企可以准确实时地掌握消费者对车型的评价、建议以及自身品牌的优势和不足，根据市场情况及时调整产品设计和品牌战略，设计出符合消费者需求的产品。汽车网络舆情监测系统可以完成海量消费者网络舆情信息的搜集和分析，为企业的品牌评价和战略调整提供至关重要的数据支撑具有一定的研究意义和实用价值。

参考文献：

[1]乔喆,戴晶,周宇飞,张皎.舆情监测技术在网络安全管理中的应用实践与思考[J]. 电信工程技术与标准化,2022(12)

[2]杜锦绣,蔡静.网络舆情监测的数据采集与文本分类技术分析[J].无线互联科技,2019(15)