文档介绍：1
网络舆情用户画像构建与应用
6
摘要:大数据时代，高校网络舆情管理挑战与机遇并存。探讨了国内高校网络舆情用户画像的争论现状，结合高校网络舆情管理实际，从资源层、数据层、存储层、处理层、模型层、应用层提出构建策略供应参考［11］。李恒忠(2018)提出舆情信息采集、处理、分析、呈现、预警多元化高校网络舆情监管体系［12］。孙红莺(2019)提出运用Hadoop大数据处理平台进行高校生网络舆情数据的采集、预处理、分析和报告，并设计了高校生舆情法治教育引导模型，该模型可用于法律引导、热点推举、舆情预警、关键词推举等［13］。钱丹丹(2019)提出基于机器学****数据挖掘技术的高校网络舆情监测分析体系，运用网络爬虫技术从校内外网站猎取主题词和关键词，通过关键词分析、关联规章关联、聚类分析技术，识别正面舆情和负面舆情，为应急管理者供应决策支持［14］。综上所述，现有争论从不同维度构建了高校网络舆情的研判指标体系和管理分析数学模型，为高校管理者在网络舆情的管理和引导方面供应了决策参考。为加强精准防控，需要运用大数据技术，探究高校网络舆情目标用户的一般规律，建立高校网络舆情用户画像的架构模型。
3
3高校网络舆情用户画像模型构建
通过分析其他学者的网络舆情系统模型，结合高校网络舆情管理实际，笔者构建了高校网络舆情用户画像架构图，如图1所示。
3．1资源层
4
高校网络舆情的数据资源可细分为校内资源和校外资源，校内资源最典型的是高校网站，校外资源包括微信、、微博、贴吧等。资源层是高校网络舆情用户画像架构层的底层，也是最基础最重要的一层，资源层能否掩盖全面、能否挖掘深化是用户画像能否刻画成功的关键。
3．2数据层
用户画像中的数据主要包括用户背景、用户爱好、用户****惯、用户行为等能够全方位、立体化地反映用户特征的数据。结合高校网络舆情管理现状，高校网络舆情用户画像中的数据主要包括用户属性数据(用户的姓名、性别、班级等)、用户评价数据(用户的乐观评价、消极评价)、用户日志数据(系统后台中用户行为日志数据)等。运用大数据技术将资源层的后台数据进行筛选、清洗等处理可以生成数据层的用户属性数据、用户评价数据、用户日志数据等。
3．3存储层
5
常见的数据存储方式有3种:DAS(DirectAtta-chedStorage)、NAS(NetworkAttachedStorage)、SAN(StorageAreaNetwork)。DAS中数据存储设备是整个服务器结构的一部分，与服务器内部总线直连，可用于分散网络或小型网络，缺点是效率相对较低;NAS是单独为网络数据存储而开发的一种文件服务器，自发形成网络，与服务器分开，优点是即插即用、部署简洁、位置灵敏，缺点是存储性能较低、牢靠度不高;SAN运用光纤通道技术实现了存储的网络化，优点是部署简洁、存储性能高速，缺点是接口协议简洁。3种存储方式各有优劣，高校网络舆情系统在设计时可依据存储条件和存储需求选择。
3．4处理层
依据数据的类型，可以运用人工标注、本体构建的方式对数据库中的数据进行处理，过滤冗余数据，剔除重复数据，提取舆情信息中的有效关键词，依据高校网络行为特点和舆情管理需要，构建不同网络舆情数据库，如:舆情话题、舆情领袖、情感倾向。
3．5模型层
6
依据舆情的性质划分，高校网络舆情用户画像可以分为乐观用户画像、中立用户画像和消极用户画像。其中，乐观用户画像和消极用户画像是需要关注的重点。消极用户画像所代表的群体是高校网络舆情监测和管控的重点，高校管理者要亲热关注这类群体的行为，接受合理的方式适度沟通，尽量使其转变态度;乐观用户画像所代表的群体，高校管理者可以对其进行鼓舞式教育，引导消极用户画像转向中立甚至乐观的态度。
3．6应用层
应用层是高校网络舆情用户画像运用终极的目标，最终以可视化的形式直观地呈现出来。高校网络舆情用户画像可以用于用户管理、舆情大事查询、突发大事报警、舆情进展监测、舆情分析报告等。用户管理功能有助于精准识别用户，查找出网络舆情大事中的领袖群体。舆情大事查询和舆情分析报告功能能关怀管理者在遇到类似网络舆情大事时供应决策支持。突发大事报警功能能第一时间将超过阈值的网络舆情大事报警，提示管理者准时处理突发大事。舆情进展监测功能可以24h监测高校网络舆情进展趋势，便于管理者随时把握舆情进展动态。
7
4高校网络舆情用户画像的应用建议