面临的困难进行了系统阐述
四种基本态度的微博用户各自数量。图6-3 量性指标三 微博舆情预警预警基于信息的监测与分析,同时为舆情决策提供参考。以日常监测的数据为基础,跟踪最近监测数据变化,分析预测趋势,根据微博信息扩散指标、敏感度指标、爆发指标、负面舆情指标构建预警模型,实现预警。图6-4 预警等级按照控制学原理将微博舆情分为二级预警：开关预警和预测预警。开关预警是一旦采集信息有违反国家法律或敏感词汇不再计算，直接报警，例如监测范围内有诽谤领导人、灾难性自然灾害的虚假信息报道。预测预警为分层结构。首先探测筛选出近期内重大公共安全事故，如暴力恐怖袭击、老百姓关心的、对政府影响较大的、关系百姓利益等敏感信息。第二层考察信息影响的地域、范围、观点的维度，信息源位置、是否敏感时间节点。第三层考察评论数量、评论变化率、转载率、点赞率。最终得到警情总指数,超过设定阈值报警。预测第一层是基于突发公共事件四大类的各子类中,抽取百姓关注度较高的信息:食品安全、物价上涨、看病就医、百姓住房、贪污腐败、贫富差距、恐怖袭击、暴力执法、民族问题、国际局势等；第二层是信息加权后排序，如2014年以来新疆暴力恐怖袭击案件频发，给人民生命财产造成极大威胁，这一敏感时间点的相关信息,权重系数大。再如，发生在新疆维吾尔自治区一带就要比发生在南方某地区的权重系数要大；第三层是基于预测模型的预警。由于某一事件影响预测的参数较多,有评论数量、单位时间内回复率、转载率、点击数等参数,用精确的数学函数描述困难太大。总之,政府作为公共管理主体,通过构建网络舆情监测分析系统,实现对互联网海量信息的全天候监测,为政府及时发现舆情,防管并举,积极处置,避免事件恶化将起到积极作用。四 微博舆情监测的应用系统研发与建设微博舆情监测的质的指标和量的指标的设置完成，并不能保证微博舆情监测的一帆风顺，因为每当面临海量的微博用户和微博信息时，微博舆情监测人员如果仅凭借人力是永远不可能完成监测工作的，所以依靠先进的微博舆情监测的应用系统就成为明智的选择。由于微博舆情监测是一项系统工程，所以在研发微博舆情监测的应用系统时，一方面要综合考虑嵌入微博舆情监测的质和量的监测指标，另一方面，不能仅仅让计算机软件开发人员来参与，而是要借助新闻传播学、社会学、经济学、公共管理学、数理统计学、管理学等方面的专家共同研发。有研究者指出，单纯的舆情系统不能满足需求，必须充分考虑互联网新媒体传播特点、行业特征（分类标准和行业知识库建设）、互联网立法、应急联动等多种因素。网络舆情监测平台建设成功的四大要素[15]：一是技术和内容的结合。单独提舆情技术和舆情内容都是不能满足用户对网络舆情监测的需求。二是专家和系统的结合。行业化、服务化是舆情监测分析的发展趋势，将文本分类、文本聚类、文本摘要、倾向性分析等结合语料库和知识库，建立基于SaaS（按需定制软件）模式的舆情语义分析基础设施，可更好地实现人机结合，提高舆情研判的准确率。三是创新服务模式、协作和产业链。从市场角度看，行业化、服务化将是企业舆情系统和舆情服务发展的方向。单纯的软件系统不能完全满足用户的需求，从长远来看，舆情监测和研判需要各个细分市场SaaS服务模式，创新的软件运营服务模式可以复制推广到手机、PC、汽车等大众消费品领域，为广大企业提供产品质量监测服务。四是深入知识库的应用和建设。对不同的行业和职能部门而言，互联网舆情管理系统有极大的扩展性，凡是需要对舆情、民情关注的部门都可以通过本系统建立舆情监控知识库，建立舆情事件特征库、舆情网站库以及行业知识库，能够方便地实现对行业和部门关注的问题进行24小时监控。当突发事件发生的时候，如果遇到类似的情况，可以通过抽取知识库相关内容进行指导。同样，对外服务的部门，也可以通过知识库了解所做的事情和对应的部门等。图6-5 舆情监测小结舆情监测分析研究是一项探索性工作，如何科学实现互联网舆情的搜集、分析、监测和预警，为职能部门决策提供参考是一个难点。本章立足现实需求，对加强微博舆情监测分析的重要性、必要性，面临的困难进行了系统阐述，在微博舆情分析指标相关概念的基础上对舆情演变的阶段性特征进行了剖析，通过前几章对舆情生成机制、传播模式分析、存在的困难等已有的经验分析基础上，针对中国当前舆情监测分析的重点难点，着重对舆情监测分析基础模型的构建进行了初步探索，形成了一个基本的模型框架和运行流程，具有一定的可操作性和实际应用价值，为舆情监测预警和相关系统的开发提供了理论支持。舆情监测分析研究也是一项技术性、实践性很强的工作，监测指标和监测分析方法的修正和合理阈值的设定仍需依赖大量的案例应用和积累，也需要对某一段时间内敏感事件的准确把握。舆情监测分析指标系统需要通过对大量舆情事件开展测试应用，确定模型合理阈值；通过深化和丰富舆情基础理论，不断修正模型；通过理论和实践的相互促进，提升互联网舆情监测分析
