輿情是指公眾對于現(xiàn)實社會各種現(xiàn)象、問題、所表達的信念、態(tài)度、意見和情緒表現(xiàn)的總和。 輿情監(jiān)測是對互聯(lián)網(wǎng)上公眾的言論和觀點進行監(jiān)視和預測的行為。這些言論主要為對現(xiàn)實生活中某些熱點、焦點問題所持的有較強影響力、傾向性的言論和觀點。 具體上講，輿情監(jiān)測是指整合互聯(lián)網(wǎng)信息采集技術(shù)及信息智能處理技術(shù)，通過對互聯(lián)網(wǎng)海量信息自動抓取、自動分類聚類、主題檢測、專題聚焦，實現(xiàn)用戶的網(wǎng)絡輿情監(jiān)測和新聞專題追蹤等信息需求，形成簡報、報告、圖表等分析結(jié)果，為客戶全面掌握群眾思想動態(tài)，做出正確輿論引導，提供分析依據(jù)。 武漢大學新聞與傳播學院王瓊教授將輿情分析方向總結(jié)為四個階段： 1. 推斷某觀點是否有發(fā)酵成為輿情熱點的可能性； 2. 挖掘并實時監(jiān)測事件發(fā)展，分析每階段事件熱度及發(fā)展方向； 3. 對輿情事件實時監(jiān)測，到達閾值即發(fā)送警報； 4. 感情提煉，分析輿情中包含的正負面情緒及總體傾向。 文本挖掘，是指從大量文本集合中發(fā)現(xiàn)隱含的模式。網(wǎng)絡文本挖掘是對網(wǎng)上大量文本進行表示、特征提取、內(nèi)容總結(jié)、分類、聚類、關(guān)聯(lián)分析、語義分析以及利用網(wǎng)絡文本進行趨勢預測等。文本挖掘的主要技術(shù)包括： 1. 特征提取：是指關(guān)于文本的元數(shù)據(jù)，分為描述性特征（如文本的名稱、日期、大小、類型等）和語義性特征（如文檔的作者、機構(gòu)、標題、內(nèi)容等）； 2. 文本分類：指在給定的分類體系下，根據(jù)文本的內(nèi)容確定文本所屬類別的過程； 3. 文本聚類：文本聚類的目的通常是將文檔集C分成一些簇的集合，使這些簇間的相似性最小，簇內(nèi)的相似性最大； 4. 關(guān)聯(lián)分析：是指從文檔集合中找出不同詞語之間的關(guān)系； 5. 文本總結(jié)：指從文檔中抽取關(guān)鍵信息，用簡潔的形式對文檔內(nèi)容進行摘要和解釋； 6. 趨勢預測：是指通過對Web文檔的分析，得到特定數(shù)據(jù)在某個歷史時刻的情況或?qū)淼娜≈第厔荨?/p> 可以看出文本挖掘能夠在輿情監(jiān)測中發(fā)揮巨大作用： 1. 對網(wǎng)絡輿情進行描述。文本挖掘可以生成民眾對熱點的情緒和態(tài)度等描述性信息。 2. 對網(wǎng)絡輿情的關(guān)聯(lián)性進行分析。網(wǎng)絡熱點的時空關(guān)聯(lián)。輿情信息的追根溯源。發(fā)生事件的主題走向等等。 3. 對網(wǎng)絡輿情信息的真實性進行判斷分析，對傳播主體的意圖及態(tài)度傾向進行推論。 4. 對網(wǎng)絡輿情的產(chǎn)生原因進行分析。 5. 預測和推論網(wǎng)絡輿情信息的產(chǎn)生和變化趨勢。 網(wǎng)絡輿情在社交媒體微博上尤為突出。國家大事，民間小事，明星丑聞等等具有傳播吸引力的事件都能成為網(wǎng)民討論的熱點。 同時，網(wǎng)民作為參與者，積極發(fā)表自己的看法、觀點、態(tài)度，這也就為網(wǎng)絡輿情的文本挖掘提供了文本數(shù)據(jù)。 網(wǎng)絡輿情監(jiān)測無論是對社會民生的改善、社會價值觀的引導，還是企業(yè)市場營銷的決策都有重要意義。 在這里，筆者針對網(wǎng)絡輿情與企業(yè)營銷決策進行分析： 1. 網(wǎng)絡輿情與借勢營銷。企業(yè)借助網(wǎng)絡熱點，結(jié)合品牌或者產(chǎn)品特征進行宣傳。 2. 事件營銷與網(wǎng)絡輿情。企業(yè)進行事件營銷，通過事件營銷制造網(wǎng)絡熱點、制造話題，從而通過這一網(wǎng)絡輿情進一步擴大傳播范圍。 3. 網(wǎng)絡輿情與企業(yè)公關(guān)。網(wǎng)絡輿情是企業(yè)公關(guān)的窗口。 4. 網(wǎng)絡輿情與品牌危機管理。品牌丑聞往往能夠迅速發(fā)酵，企業(yè)必須選擇合適的時間進行危機管理，將品牌損失降到最低。
