舆情监测技术手段主要包括哪些？

从技术角度来看， 络舆情监测其实是众多技术结合的成果。一般来说，舆情监测技术手段主要包括：

一、 络舆情采集

在信息采集步骤中，主要包括 络爬虫(We-bCrawler)和 页清洗(WebPageCleaning)等技术。

络爬虫是一个按照一定规则自动抓取 络信息的程序，又称为 络蜘蛛(WebSpider)。 络爬虫分为三类：通用爬虫(GeneralPurposeWebCrawler) ，面向主题爬虫(FocusCrawlerorTopicalCrawler) ，面向DeepWeb爬虫(DeepWebCrawler)。考虑到 络舆情监测一般是面向行业监测，倾向于使用面向主题爬虫。

页清洗就是从 页中过滤掉“噪声”数据，提取出 页中有价值的信息内容。 页清洗分析方法主要分为三类：基于树结构分析方法，基于Web挖掘方法，基于正则表达式方法。基于树结构分析方法应用最广，开源软件Htmlparse是比较有代表性的工具，缺点是高度依赖每个 站 页的结构。

二、舆情自动分类

络舆情分类是将收集的舆情进行自动分类，是整理和发现舆情的关键步骤，主要运用到自然语言处理中的文本分类(TextCategorization)和文本聚类(TextClusters)等技术。

三、话题识别与跟踪

话题识别与跟踪(TopicDetectionandTracking)是对 络舆情聚类分析后，通过算法找出热点问题，并通过算法跟踪话题发展过程，是 络舆情监测中的核心技术。

四、文本情感分析

文本情感分析（又称文本倾向性或意见挖掘(OpinionMining))，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。文本情感分析是自然语言处理技术中新兴的研究课题，具有很大的研究价值和应用价值，一般来说，它分为三个主要研究任务:情感信息抽取、情感信息分类、情感信息的检索与归纳。