成果概述：

该技术针对实时获取舆情热点、发现舆情新知识、及时全面地分析舆情热点事件，自主研发了实现舆情大数据快速获取、高效数据分析、话题关联关系发现、增量式数据挖掘等算法技术。包括：基于 PARMTRD 算法的关联关系发现，用于挖掘舆情事件内部多个话题之间、多个舆情事件之间潜在的关联关系，挖掘舆情产生的根本原因；基于相似网络社区划分的热点获取，在 O(1)时间复杂度内实时获取舆情信息，减少对大量冗余数据的处理开销；基于 IW-FUFP 算法新知识发现，在错综复杂的网络舆情大数据中及时发现舆情新知识，增量式知识发现算法能够保留原有信息，并获得新出现知识，尽早发现舆情新热点；基于主题模型的相似文本计算，应用“TF-IDF+LDA+相似拟合”算法筛选相似文本；构建领域知识图谱，设计 EA-LAD 算法丰富和完善知识图谱，用于文本推荐。本成果专注于网络舆情分析和挖掘、感知网络舆情态势，尽早发现舆情新事件，对突发重大舆情进行实时获取，挖掘舆情事件产生的根源，在舆情爆发前进行预警，为政府、企业等相关单位舆情引导提供决策支持，提前实施舆情调控措施，避免大规模舆情事件爆发，引导舆情健康发展，促进社会稳定。该成果的核心技术还可以拓展到企业产品评论数据挖掘、商业数据挖掘、市长热线数据挖掘等各类可以应用文本数据挖掘的领域。