前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇網(wǎng)絡(luò)輿情法律范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

網(wǎng)絡(luò)輿情法律范文第1篇

〔關(guān)鍵詞〕相似傳播；情景聚類；協(xié)同過(guò)濾；推薦算法

DOI：10.3969/j.issn.1008-0821.2016.11.009

〔中圖分類號(hào)〕G2062〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2016）11-0050-05

〔Abstract〕In the age of the Internet era，the personalized recommendation system gradually is applied to different fields and recommendation algorithm has become a research hot spot at present.Traditional recommendation algorithm，however，often has some problems，for example a cold start，sparse data.In this paper，on the basis of researches on traditional recommendation algorithm，this paper proposed a collaborative filtering recommendation algorithm based on similarity propagation and context puting the similarity between user for user clustering，then the paper found more nearest neighbors of target users，according to the similarity propagation to finally，it recommended projects according to the forecast target users ratings.With the help of online public data，the paper implemented the proposed algorithm and verified the effectiveness of the proposed algorithm on Matlab.experiment showed that the accuracy of the proposed algorithm compared with the traditional algorithm was higher，and the proposed algorithm relieved the problems of traditional recommendation algorithm，such as the cold start and sparse data，etc.

〔Key words〕similarity propagation；context clustering；collaborative filtering；recommendation algorithm

如今，互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的重要途徑。然而，隨著網(wǎng)絡(luò)上信息量越來(lái)越大，信息過(guò)載的問(wèn)題也越來(lái)越嚴(yán)重，這對(duì)人們?cè)诰W(wǎng)上快速查找精確信息造成了很大的困難。個(gè)性化推薦系統(tǒng)能夠根據(jù)用戶的興趣偏好、項(xiàng)目、需求甚至通過(guò)感知用戶的情景來(lái)向用戶推薦信息，這不僅很好地解決了信息過(guò)載的問(wèn)題，同時(shí)還滿足了用戶的個(gè)性化需求。在實(shí)際應(yīng)用方面，亞馬遜、當(dāng)當(dāng)?shù)却笮碗娚叹W(wǎng)站都開(kāi)發(fā)出了自己的推薦系統(tǒng)。在學(xué)術(shù)研究領(lǐng)域，個(gè)性化推薦方面的研究也逐漸進(jìn)入學(xué)者的視野并得到關(guān)注，例如美國(guó)的Grouplens團(tuán)隊(duì)、Alexander Tuzhilin教授、Paul Resnick教授等對(duì)個(gè)性化推薦系統(tǒng)及相關(guān)的推薦算法進(jìn)行了深入的研究[1]。

1問(wèn)題的提出

協(xié)同過(guò)濾推薦算法作為目前研究較成熟、應(yīng)用范圍較廣的推薦算法已被廣泛地運(yùn)用于互聯(lián)網(wǎng)各大推薦系統(tǒng)中[2]。然而，傳統(tǒng)的協(xié)同過(guò)濾推薦算法推薦的準(zhǔn)確率和推薦效率往往受到多方面的影響，如對(duì)于新用戶存在的冷啟動(dòng)問(wèn)題和由于評(píng)分矩陣數(shù)據(jù)稀少導(dǎo)致的數(shù)據(jù)稀疏問(wèn)題對(duì)推薦算法的質(zhì)量產(chǎn)生的影響。

本文對(duì)傳統(tǒng)的推薦算法進(jìn)行了改進(jìn)，將相似傳播的思想和用戶的情景與協(xié)同過(guò)濾推薦相結(jié)合，提出了一種基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法，在傳統(tǒng)協(xié)同過(guò)濾算法存在的問(wèn)題得到了較好緩解的同時(shí)也提高了推薦算法推薦的準(zhǔn)確率。

2相關(guān)概念及理論

21情景的定義

情景在不同的領(lǐng)域有不同的定義，心理學(xué)、情報(bào)學(xué)、哲學(xué)、組織行為學(xué)、教育學(xué)、社會(huì)學(xué)等領(lǐng)域的眾多學(xué)者都對(duì)情景進(jìn)行了深入的研究和探討，但關(guān)于情景的定義學(xué)者們都各執(zhí)己見(jiàn)，不能達(dá)成一致共識(shí)，因此情景一直沒(méi)有統(tǒng)一的定義。Dey等人認(rèn)為能描述某一實(shí)體特征的信息即為情景[3]。雖然這一定義目前被廣泛引用，但由于不同領(lǐng)域?qū)η榫暗睦斫飧鞑幌嗤?，情景的定義一直無(wú)法準(zhǔn)確給出。大多數(shù)學(xué)者都認(rèn)同：情景是和實(shí)體是不可分的，情景只有與實(shí)體產(chǎn)生聯(lián)系才具有意義，情景可以將實(shí)體的相關(guān)信息進(jìn)行詳細(xì)的描述。

22聚類的概念

聚類是利用一定的方法將數(shù)據(jù)集合劃分成簇中各成員間相似度較高但簇與簇間各不相同的多個(gè)簇的過(guò)程。聚類的結(jié)果往往隨著所使用的聚類方法的改變而改變，使用不同的聚類方法對(duì)相同的數(shù)據(jù)集進(jìn)行聚類，產(chǎn)生的最終結(jié)果也可能不同。劃分的過(guò)程不是通過(guò)人，而是通過(guò)聚類算法進(jìn)行的。

23協(xié)同過(guò)濾推薦

協(xié)同過(guò)濾推薦（Collaborative Filtering Recommendation，CFR）是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體，將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。協(xié)同過(guò)濾推薦不需要用戶顯式查找自己感興趣的內(nèi)容或項(xiàng)目，而是根據(jù)已有用戶對(duì)項(xiàng)目的評(píng)分來(lái)預(yù)測(cè)計(jì)算該用戶的評(píng)分，進(jìn)而根據(jù)評(píng)分高低對(duì)用戶進(jìn)行推薦，因此該方法在許多領(lǐng)域得到廣泛的應(yīng)用。

3傳統(tǒng)協(xié)同過(guò)濾推薦算法

協(xié)同過(guò)濾推薦的原理是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體，將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。其中，基于記憶的協(xié)同過(guò)濾在實(shí)際運(yùn)用中運(yùn)用范圍較廣，它又可以根據(jù)被計(jì)算相似度的對(duì)象的不同分為用戶和項(xiàng)目?jī)煞N類型[4]。

31基于用戶的協(xié)同過(guò)濾

基于用戶的協(xié)同過(guò)濾（User-based CF）推薦算法首先是查找與目標(biāo)用戶相似的群體（即目標(biāo)用戶的最近鄰），這一過(guò)程通常通過(guò)利用系統(tǒng)中已有“用戶-項(xiàng)目”評(píng)分矩陣中的評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶與用戶之間的相似度來(lái)完成；然后根據(jù)生成的最近鄰集合中的用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)，利用評(píng)分預(yù)測(cè)計(jì)算公式來(lái)計(jì)算得到目標(biāo)用戶對(duì)某一項(xiàng)目的預(yù)測(cè)評(píng)分；最后根據(jù)預(yù)測(cè)結(jié)果對(duì)目標(biāo)用戶進(jìn)行推薦。整個(gè)推薦過(guò)程大致可分為目標(biāo)用戶最近鄰查找和目標(biāo)用戶對(duì)項(xiàng)目的評(píng)分預(yù)測(cè)。余弦相似性、修正的余弦相似性、Tanimoto系數(shù)，Pearson相關(guān)系數(shù)[5]等是在計(jì)算相關(guān)系數(shù)時(shí)較常使用的方法。

User-based協(xié)同過(guò)濾推薦算法在計(jì)算用戶間的相似度時(shí)多是采用Pearson相關(guān)系數(shù)的計(jì)算方法，根據(jù)已有用戶對(duì)項(xiàng)目的評(píng)分矩陣進(jìn)行計(jì)算。計(jì)算用戶u與u′間的相似度，計(jì)算公式如下：

sim（u，u′）=∑s∈I（u，u′）（r（u，s）-（u））（r（u′，s）-（u′））∑s∈I（u，u′）（r（u，s）-（u））2（r（u′，s）-（u′））2

其中，r（u，s）代表用戶u對(duì)項(xiàng)目s的評(píng)分，r（u′，s）代表用戶u′對(duì)項(xiàng)目s的評(píng)分；（u）代表用戶u對(duì)所有項(xiàng)目評(píng)分的平均分，（u′）代表用戶u′對(duì)所有項(xiàng)目評(píng)分的平均分；I（u，u′）代表用戶u與用戶u′都有評(píng)分的項(xiàng)目的集合。

通過(guò)計(jì)算目標(biāo)用戶與非目標(biāo)用戶間的相似度找到與目標(biāo)用戶相似的用戶群體，將該群體的集合作為目標(biāo)用戶的最近鄰集合D。生成最近鄰集合后，將最近鄰集合中用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)代入評(píng)分預(yù)測(cè)公式來(lái)對(duì)目標(biāo)用戶進(jìn)行偏好預(yù)測(cè)。預(yù)測(cè)目標(biāo)用戶u對(duì)某一項(xiàng)目s′的評(píng)分時(shí)可采用如下公式[6]：

P（u，s′）=∑u′∈D[sim（u，u′）R（u′，s′）]∑u′∈Dsim（u，u′）

其中R（u′，s′）代表用戶u的最近鄰集合中的用戶對(duì)項(xiàng)目s′的評(píng)分，sim（u，u′）代表用戶u與u′的相似度，D為用戶u的最近鄰集合。

以上公式計(jì)算出來(lái)的預(yù)測(cè)結(jié)果將作為對(duì)目標(biāo)用戶進(jìn)行推薦的依據(jù)。

32基于項(xiàng)目的協(xié)同過(guò)濾

基于項(xiàng)目的協(xié)同過(guò)濾（Item-based CF）推薦算法首先是找到與項(xiàng)目相似的項(xiàng)目群，這一過(guò)程通常通過(guò)利用已有用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)計(jì)算項(xiàng)目與項(xiàng)目之間的相關(guān)系數(shù)來(lái)完成；項(xiàng)目相似群生成后，根據(jù)用戶對(duì)群體中各項(xiàng)目的已有評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶對(duì)某一項(xiàng)目的預(yù)測(cè)評(píng)分；最后根據(jù)評(píng)分計(jì)算結(jié)果對(duì)用戶產(chǎn)生相關(guān)推薦。計(jì)算項(xiàng)目t與t′間的相似度，計(jì)算公式如下：

sim（t，t′）=∑u∈u（t，t′）（r（u，t）-（t））（r（u，t′）-（t′））∑u∈u（t，t′）（r（u，t）-（t））2（r（u，t′）-（t′））2

其中，r（u，t）代表用戶u對(duì)項(xiàng)目t的評(píng)分，r（u，t′）代表用戶u對(duì)項(xiàng)目t′的評(píng)分；（t）代表所有用戶對(duì)項(xiàng)目t評(píng)分的平均分，（t′）代表所有用戶對(duì)項(xiàng)目t′評(píng)分的平均分；u（t，t′）代表對(duì)項(xiàng)目t與t′都有評(píng)分的用戶的集合。

根據(jù)項(xiàng)目間相關(guān)系數(shù)的計(jì)算生成項(xiàng)目的最近鄰集合I，之后根據(jù)生成的相似的項(xiàng)目群體來(lái)預(yù)測(cè)用戶對(duì)項(xiàng)目的評(píng)分。如計(jì)算用戶a對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分，計(jì)算公式如下[7]：

P（a，i）=（i）+∑j∈I（i，j）sim（i，j）（r（a，j）-（j））∑j∈I（i，j）sim（i，j）

其中，（i）代表所有用戶對(duì)項(xiàng)目i評(píng)分的平均分，（j）代表所有用戶對(duì)項(xiàng)目j評(píng)分的平均分；sim（i，j）代表項(xiàng)目i與項(xiàng)目j間的相似度；I（i，j）代表項(xiàng)目i的最近鄰集合。

計(jì)算出預(yù)測(cè)評(píng)分后依據(jù)預(yù)測(cè)結(jié)果對(duì)用戶進(jìn)行推薦。

然而，對(duì)于新用戶和評(píng)分?jǐn)?shù)據(jù)較少的用戶，利用傳統(tǒng)的協(xié)同過(guò)濾推薦算法很難對(duì)其進(jìn)行準(zhǔn)確的推薦。本文在對(duì)傳統(tǒng)推薦算法研究的基礎(chǔ)上，將相似傳播的思想和用戶的情景與協(xié)同過(guò)濾推薦相結(jié)合，提出了一種基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法，對(duì)傳統(tǒng)的推薦算法進(jìn)行改進(jìn)以解決冷啟動(dòng)及數(shù)據(jù)稀疏等問(wèn)題。由于在個(gè)性化推薦的過(guò)程中充分考慮用戶的情景，使得推薦結(jié)果更能滿足用戶個(gè)性化的需求，準(zhǔn)確率也相對(duì)較高。

4基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法

41算法思路

基于聚類的協(xié)同過(guò)濾推薦算法是根據(jù)一定的聚類算法利用已有的“用戶-項(xiàng)目”評(píng)分矩陣將用戶分成多個(gè)不同的簇，通過(guò)計(jì)算用戶與各簇的距離來(lái)找到與目標(biāo)用戶距離最小的簇作為目標(biāo)用戶的相似用戶群體，最后將目標(biāo)用戶相似群體中的用戶對(duì)某一項(xiàng)目的加權(quán)平均分作為目標(biāo)用戶對(duì)該項(xiàng)目的評(píng)分，以此方式來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)項(xiàng)目的偏好程度，然后對(duì)用戶進(jìn)行推薦。

然而對(duì)于新用戶，由于缺少相關(guān)信息，在查找用戶最近鄰時(shí)可能會(huì)出現(xiàn)很大的誤差，最終影響推薦的準(zhǔn)確性。情景能很好地描述用戶的特征，對(duì)個(gè)性化推薦有著至關(guān)重要的影響。

本文將用戶的情景因素引入到個(gè)性化推薦中，充分考慮情景對(duì)推薦效果的影響，對(duì)原有的基于聚類的協(xié)同過(guò)濾推薦算法在相似度計(jì)算公式和用戶評(píng)分預(yù)測(cè)公式進(jìn)行改進(jìn)，提出了一種基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法。該算法根據(jù)用戶的情景對(duì)用戶進(jìn)行聚類，同時(shí)引入相似度傳播的思想，能夠很好地緩解以前算法存在的數(shù)據(jù)稀疏性問(wèn)題。

相似傳播，就是根據(jù)每個(gè)用戶或項(xiàng)目的最近鄰找出最近鄰的最近鄰，這樣能尋找出與目標(biāo)用戶相似的更多的鄰居，提高推薦結(jié)果的準(zhǔn)確性。例如，若用戶u的最近鄰為u1，而u1的最近鄰為u、u2和u3，則在預(yù)測(cè)用戶u對(duì)某一項(xiàng)目的評(píng)分時(shí)，可以根據(jù)一定的算法利用用戶u1、u2和u3的評(píng)分預(yù)測(cè)用戶u的評(píng)分，最終進(jìn)行推薦。

在推薦系統(tǒng)中利用情景對(duì)推薦信息進(jìn)行過(guò)濾的時(shí)間并非是固定的，根據(jù)利用情景的先后，可將情景感知推薦系統(tǒng)分為情景預(yù)過(guò)濾、后過(guò)濾與建模3種不同的形式[8]。情景預(yù)過(guò)濾是在推薦過(guò)程中首先根據(jù)用戶的情景剔除部分不匹配數(shù)據(jù)，生成與用戶情景相關(guān)的評(píng)分?jǐn)?shù)據(jù)集，之后根據(jù)推薦算法對(duì)數(shù)據(jù)集進(jìn)行用戶評(píng)分預(yù)測(cè)，最終將與用戶情景匹配的結(jié)果推薦給用戶。本文所提算法工作流程圖如圖1所示：

42算法

本文所提算法大致可分為以下3個(gè)步驟：

421聚類

本文根據(jù)用戶情景的不同將用戶進(jìn)行聚類。首先確定出k個(gè)聚類中心，然后計(jì)算不同情景間的相似度，依此將用戶分成k個(gè)簇，使得每個(gè)簇中的用戶有相似的情景。由于情景的屬性是混合型的，在計(jì)算情景間相似度前需對(duì)用戶的情景進(jìn)行抽象描述。本文通過(guò)采用余弦相似性計(jì)算用戶情景的相似性對(duì)用戶進(jìn)行聚類。將用戶的情景定義為C，計(jì)算情景C1與情景C2間的相似性的計(jì)算方式如下：

sim（C1，C2）=C1?C2C1C2

通過(guò)計(jì)算情景間的相似性，將情景相似度高的用戶聚類在一起，生成情景最近鄰集合M。

422最近鄰集合的生成

計(jì)算目標(biāo)用戶到通過(guò)情景聚類得到的各簇之間的距離，找到與目標(biāo)用戶距離最近的簇，并計(jì)算目標(biāo)用戶與簇中各用戶間的相似度。本文在傳統(tǒng)的計(jì)算用戶相似度的基礎(chǔ)上引入用戶的情景因素，對(duì)傳統(tǒng)的相似度計(jì)算方法進(jìn)行改進(jìn)，提出了基于情景的用戶相似度的計(jì)算，如計(jì)算目標(biāo)用戶u與用戶u′間的相似度，計(jì)算方法如下：

sim（u，u′）=∑j∈I（u，u′，c）（r（u，c，j）-（u，c））（r（u′，c，j）-（u′，c））∑j∈I（u，u′，c）（r（u，c，j）-（u，c））2（r（u′，c，j）-（u′，c））2

其中，r（u，c，j）代表用戶u在情景c下對(duì)項(xiàng)目j的評(píng)分，r（u′，c，j）代表用戶u′在情景c下對(duì)項(xiàng)目j的評(píng)分；（u，c）代表用戶u在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（u′，c）代表用戶u′在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分；I（u，u′，c）代表用戶u與用戶u′在情景c下有共同評(píng)分的項(xiàng)目的集合。

根據(jù)以上公式計(jì)算出目標(biāo)用戶與簇中各用戶的相關(guān)系數(shù)，將與目標(biāo)用戶相似度較高的用戶放入同一集合中，生成目標(biāo)用戶的最近鄰集合N。

在計(jì)算項(xiàng)目與項(xiàng)目間的相似度時(shí)，本文在基于項(xiàng)目的協(xié)同過(guò)濾經(jīng)典算法Slope One算法[9]中引入用戶的情景，形成“用戶-情景-項(xiàng)目”模型，在計(jì)算項(xiàng)目間相似度時(shí)將情景因素對(duì)用戶對(duì)項(xiàng)目評(píng)分的影響考慮在內(nèi)，提出基于情景的項(xiàng)目相似度計(jì)算方法，計(jì)算項(xiàng)目t與項(xiàng)目t′的相似度的計(jì)算方法如下：

sim（t，t′）=1-∑u∈U（c，t，t′）[r（u，c，t）-r（u，c，t′）]U（c，t，t′）Pm

其中r（u，c，t）代表用戶u在情景c下對(duì)項(xiàng)目t的評(píng)分，r（u，c，t′）代表用戶u在情景c下對(duì)項(xiàng)目t′的評(píng)分；U（c，t，t′）代表在情景c下對(duì)項(xiàng)目t與t′均有評(píng)分的用戶數(shù)，U（c，t，t′）代表在情景c下對(duì)項(xiàng)目t與項(xiàng)目t′均有評(píng)分的用戶的集合，Pm表示滿分評(píng)分。

通過(guò)計(jì)算項(xiàng)目間的相關(guān)性生成項(xiàng)目的相似項(xiàng)目群作為項(xiàng)目的最近鄰集合A。

423推薦的生成

假設(shè)用戶u的用戶最近鄰集合表示為N，情景c的情景最近鄰集合表示為M，項(xiàng)目t的項(xiàng)目最近鄰集合表示為A，則用戶u在情景c下對(duì)項(xiàng)目t的預(yù)測(cè)評(píng)分Gu，c，t可通過(guò)目標(biāo)用戶u的用戶最近鄰集合N中的用戶在情景c下對(duì)項(xiàng)目t的評(píng)分，目標(biāo)用戶u在情景c的情景最近鄰集合M下對(duì)項(xiàng)目t的評(píng)分，以及目標(biāo)用戶u在情景c下對(duì)項(xiàng)目t的項(xiàng)目最近鄰集合A中項(xiàng)目的評(píng)分求得。用戶u在情景c下對(duì)項(xiàng)目t的預(yù)測(cè)評(píng)分計(jì)算方法如下：

Gu，c，t=13k1∑u′∈Nsim（u，u′）[R（u′，c，t）-（u′，c）]+（u，c）+k2∑c′∈Msim（c，c′）[R（u，c′，t）-（c′，t）]+12[（c，t）+（u，c）]+k3∑t′∈Asim（t，t′）[R（u，c，t′）-（c，t′）]+（c，t）

其中k1=1∑u′∈Nsim（u，u′），k2=1∑c′∈Msim（c，c′），k3=1∑t′∈Asim（t，t′）。R（u′，c，t）代表用戶u′在情景c下對(duì)項(xiàng)目t的評(píng)分，R（u，c′，t）代表用戶u在情景c′下對(duì)t的評(píng)分，R（u，c，t′）代表用戶u在情景c下對(duì)項(xiàng)目t′的評(píng)分；（u′，c）代表用戶u′在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（c′，t）代表所有用戶在情景c′下對(duì)項(xiàng)目t評(píng)分的平均分，（c，t′）代表所有用戶在情景c下對(duì)項(xiàng)目t′評(píng)分的平均分；（u，c）代表用戶u在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（c，t）代表所有用戶在情景c下對(duì)項(xiàng)目t的評(píng)分的平均分。

43實(shí)驗(yàn)和結(jié)論

為了驗(yàn)證本算法的有效性，筆者利用Matlab進(jìn)行了驗(yàn)證。本文用來(lái)驗(yàn)證的數(shù)據(jù)集來(lái)自Grouplens提供的公開(kāi)數(shù)據(jù)集，該數(shù)據(jù)集中包含了用戶的情景信息、用戶對(duì)電影的評(píng)分（1～5分之間）。筆者通過(guò)對(duì)公開(kāi)數(shù)據(jù)集中數(shù)據(jù)的處理，從原始數(shù)據(jù)集中選出評(píng)分較多的用戶，其中包括1 000名用戶在不同情景下對(duì)3 000部電影做出的160 000條評(píng)分作為驗(yàn)證數(shù)據(jù)，其中用來(lái)訓(xùn)練的數(shù)據(jù)占70%，用來(lái)測(cè)試的數(shù)據(jù)占30%，實(shí)驗(yàn)對(duì)預(yù)測(cè)分?jǐn)?shù)達(dá)45分以上的電影向用戶做推薦。

在仿真過(guò)程中，通過(guò)計(jì)算不同算法（含本文算法與傳統(tǒng)算法）間的平均絕對(duì)誤差（MAE，Mean Absolute Error）來(lái)加以證明本文算法的有效性。設(shè)預(yù)測(cè)評(píng)分集合為P={p1，p2，p3，…，pi，…，pn}，實(shí)際評(píng)分集合為Q={q1，q2，q3，…，qi，qn}，則平均絕對(duì)誤差的計(jì)算公式如下：

MAE=∑ni=1pi-qin

所得結(jié)果如圖2所示。由圖中可看出在最近鄰數(shù)目相同時(shí)，本文算法的MAE值明顯小于Slope One算法和傳統(tǒng)的協(xié)同過(guò)濾推薦算法，本文所提算法推薦的準(zhǔn)確率與以上兩種算法相比相對(duì)較高。

5結(jié)語(yǔ)

本文在對(duì)用戶進(jìn)行推薦時(shí)充分考慮用戶的情景因素對(duì)推薦結(jié)果的影響，根據(jù)情景間的差異將用戶進(jìn)行聚類，且在計(jì)算用戶和項(xiàng)目相似度以及用戶對(duì)項(xiàng)目的預(yù)測(cè)評(píng)分時(shí)也將情景的影響考慮在內(nèi)，最終實(shí)現(xiàn)對(duì)用戶的項(xiàng)目推薦，仿真實(shí)驗(yàn)證明了本文所提算法是有效且可行的。由于在推薦過(guò)程中不僅考慮用戶的情景因素對(duì)用戶偏好的影響，同時(shí)引入相似傳播的思想使得目標(biāo)用戶能找到更多的鄰居，這樣很好地緩解了傳統(tǒng)算法中一直存在的冷啟動(dòng)問(wèn)題，而且進(jìn)一步提高了推薦算法的準(zhǔn)確率。但由于在根據(jù)用戶情景對(duì)用戶進(jìn)行聚類時(shí)需反復(fù)迭代，計(jì)算所花時(shí)間較長(zhǎng)，造成整個(gè)推薦過(guò)程所花時(shí)間相對(duì)較長(zhǎng)，因此未來(lái)的研究希望能圖2不同算法的MAE值比較

在提高推薦效率上有所突破。

參考文獻(xiàn)

[1]馮鵬程.基于情境感知的個(gè)性化推薦算法的研究[D].上海：東華大學(xué)，2014.

[2]鄧曉懿，金淳，韓慶平，等.基于情境聚類和用戶評(píng)級(jí)的協(xié)同過(guò)濾推薦模型[J].系統(tǒng)工程理論與實(shí)踐，2013，（11）：2945-2953.

[3]詹麗華，李育嫦，潘瑞冰.基于情景感知的移動(dòng)搜索的演變和實(shí)現(xiàn)[J].圖書館理論與實(shí)踐，2015，（11）：102-105.

[4]奉國(guó)和，梁曉婷.協(xié)同過(guò)濾推薦研究綜述[J].圖書情報(bào)工作，2011，16：126-130.

[5]邱均平，張聰.高校圖書館館藏資源協(xié)同推薦系統(tǒng)研究[J].圖書情報(bào)工作，2013，22：132-137.

[6]羅文.協(xié)同過(guò)濾推薦算法綜述[J].科技傳播，2015，（7）：115，196.

[7]董坤.基于協(xié)同過(guò)濾算法的高校圖書館圖書推薦系統(tǒng)研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2011，（11）：44-47.

網(wǎng)絡(luò)輿情法律范文第2篇

網(wǎng)絡(luò)媒介是一種巨大的電子信息媒介，要想實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的整體管制是比較困難的，因此政府部門應(yīng)該加大對(duì)突發(fā)事件網(wǎng)絡(luò)輿情的監(jiān)管力度，對(duì)網(wǎng)絡(luò)輿情實(shí)行行政監(jiān)管。新時(shí)代，網(wǎng)絡(luò)環(huán)境日趨國(guó)際化，各國(guó)對(duì)于網(wǎng)絡(luò)輿情的管理方式不盡相同。我國(guó)對(duì)于網(wǎng)絡(luò)輿情的管理理念是多管齊下，各項(xiàng)工作同時(shí)展開(kāi)，從上到下建立健全網(wǎng)絡(luò)輿情管理體制，每個(gè)部門做好本職工作，并將突發(fā)事件網(wǎng)絡(luò)輿情的管理法治化，在解決突發(fā)事件的過(guò)程中，對(duì)于嚴(yán)重?fù)p害網(wǎng)絡(luò)信息管理的個(gè)人或行為，可以采取法律的手段來(lái)進(jìn)行制止。另外，國(guó)家廣電總局對(duì)于網(wǎng)絡(luò)資源的控制上，是通過(guò)層層篩選、層層把關(guān)，盡最大努力凈化網(wǎng)絡(luò)環(huán)境，對(duì)各項(xiàng)網(wǎng)絡(luò)信息進(jìn)行細(xì)心審查，避免造成網(wǎng)絡(luò)輿論信息混亂。

2強(qiáng)化互聯(lián)網(wǎng)行業(yè)和相關(guān)媒體的自我約束意識(shí)

網(wǎng)絡(luò)媒介作為互聯(lián)網(wǎng)行業(yè)的一個(gè)分支，要想真正地管理好網(wǎng)絡(luò)輿情，只靠國(guó)家相關(guān)部門的約束和管理是遠(yuǎn)遠(yuǎn)不夠的，還需要從事這一行業(yè)的相關(guān)媒體的共同努力，確保自身的行為符合國(guó)家相關(guān)法律法規(guī)。對(duì)于處于互聯(lián)網(wǎng)行業(yè)中的各公司、各媒體，應(yīng)該成立各自的行業(yè)監(jiān)管協(xié)會(huì)，對(duì)于違規(guī)行為，應(yīng)該及時(shí)制止并督促其改正，對(duì)于行為比較惡劣的，可以采用法律的手段進(jìn)行制裁。眾人拾柴火焰高，只有行業(yè)中的每一成員嚴(yán)格做好自己分內(nèi)的事，加強(qiáng)對(duì)網(wǎng)絡(luò)資源的審查，這樣在面臨突發(fā)事件時(shí)，才可以有效地避免網(wǎng)絡(luò)輿情亂象的發(fā)生，使得網(wǎng)絡(luò)環(huán)境得到平穩(wěn)、和諧的發(fā)展。

3加強(qiáng)突發(fā)事件網(wǎng)絡(luò)輿情管理能力

盡管國(guó)家一直在完善突發(fā)事件網(wǎng)絡(luò)輿情的管理，但還會(huì)有一些網(wǎng)絡(luò)輿情失控的現(xiàn)象發(fā)生，在面臨這些問(wèn)題時(shí)，相關(guān)部門應(yīng)該就具體情況具體分析，及時(shí)找出事情發(fā)生的原因，這就需要相關(guān)部門在日常的訓(xùn)練中，加強(qiáng)對(duì)于突發(fā)事件網(wǎng)絡(luò)輿情的管理能力。在行業(yè)內(nèi)部，應(yīng)該加強(qiáng)網(wǎng)絡(luò)管理工作者的綜合能力，定期組織他們進(jìn)行學(xué)習(xí)培訓(xùn)，明確突發(fā)事件網(wǎng)絡(luò)輿情應(yīng)對(duì)的基本理念和思想，開(kāi)展突發(fā)事件網(wǎng)絡(luò)輿情的研究工作，定期組織相關(guān)工作人員進(jìn)行實(shí)情演練，提高他們應(yīng)對(duì)突發(fā)事件網(wǎng)絡(luò)輿情的處理能力，避免在發(fā)生突發(fā)事件時(shí)束手無(wú)策。堅(jiān)實(shí)的突發(fā)事件網(wǎng)絡(luò)輿情管理工作者是凈化網(wǎng)絡(luò)環(huán)境的基本保障，因此加強(qiáng)突發(fā)事件網(wǎng)絡(luò)輿情管理能力是十分重要的。

4結(jié)語(yǔ)

網(wǎng)絡(luò)輿情法律范文第3篇

關(guān)鍵詞：網(wǎng)絡(luò)輿情；應(yīng)對(duì)策略；探討

網(wǎng)絡(luò)輿情就是現(xiàn)階段的網(wǎng)絡(luò)傳播中，媒體大眾和民眾網(wǎng)友通過(guò)各種網(wǎng)絡(luò)渠道對(duì)當(dāng)下社會(huì)熱點(diǎn)話題和公眾關(guān)注的事件進(jìn)行談?wù)?、評(píng)論、發(fā)表觀點(diǎn)和看法的一種現(xiàn)象。網(wǎng)絡(luò)輿情是社會(huì)輿論的一種表現(xiàn)形式，隨著網(wǎng)絡(luò)的普及和廣泛應(yīng)用，越來(lái)越成為民眾表達(dá)意見(jiàn)、發(fā)表不滿、傳遞情感的一種主要方式。因此，網(wǎng)絡(luò)輿情的引導(dǎo)和控制是確保社會(huì)穩(wěn)定和民眾心態(tài)陽(yáng)光、健康的一種必要策略和手段。應(yīng)對(duì)網(wǎng)絡(luò)輿情應(yīng)該從根源上嚴(yán)格篩選信息的健康程度和可傳播性，對(duì)于已經(jīng)造成一定影響的網(wǎng)絡(luò)輿情要通過(guò)相應(yīng)的方式應(yīng)對(duì)、控制。

一、目前我國(guó)網(wǎng)絡(luò)輿情現(xiàn)狀與載體

網(wǎng)絡(luò)輿情的社會(huì)影響力主要受到網(wǎng)民數(shù)量、參與人數(shù)等因素的影響。截止到2016年的統(tǒng)計(jì)數(shù)據(jù)，在我國(guó)，上網(wǎng)網(wǎng)民的總數(shù)已經(jīng)達(dá)到了7.1億，手機(jī)網(wǎng)民總數(shù)已經(jīng)高達(dá)6.56億。這在我國(guó)15歲到60歲的成年人9.4億的人口比重中，網(wǎng)民數(shù)量的比例高達(dá)76%。由此可見(jiàn)我國(guó)網(wǎng)絡(luò)信息化的發(fā)展程度和廣泛程度。通過(guò)網(wǎng)絡(luò)、手機(jī)網(wǎng)絡(luò)S時(shí)隨地的觀看消息、關(guān)注社會(huì)熱點(diǎn)、發(fā)表言論、已經(jīng)成為成年人生活的重要組成部分。比較知名的新浪博客、百度貼吧、各大論壇等都在極力助推網(wǎng)絡(luò)評(píng)論版塊的發(fā)展，各種軟件的手機(jī)客戶端和微信、QQ也成為傳播輿論的主要途徑。

二、網(wǎng)絡(luò)輿情的分類和營(yíng)銷

（一）社會(huì)事件和公眾現(xiàn)象導(dǎo)致的網(wǎng)絡(luò)輿情

網(wǎng)絡(luò)輿情雖然是在網(wǎng)絡(luò)上傳播的一種言論，但是所談?wù)摰脑掝}往往是當(dāng)下社會(huì)的熱點(diǎn)話題和流行趨勢(shì)。網(wǎng)絡(luò)輿論是有針對(duì)性的針對(duì)某一社會(huì)狀況和民眾事件引發(fā)的大規(guī)模的談?wù)摵退枷雽?dǎo)向。就目前網(wǎng)絡(luò)輿情的統(tǒng)計(jì)分析，我國(guó)民眾普遍關(guān)注的社會(huì)熱點(diǎn)話題有社會(huì)養(yǎng)老、薪酬保障、公共醫(yī)療等。的網(wǎng)絡(luò)輿情主要也是反應(yīng)了民眾切身利益的問(wèn)題和有關(guān)政策策略。

（二）小道消息及虛假消息導(dǎo)致的負(fù)面輿情

由于社會(huì)輿情能夠造成很大的社會(huì)反應(yīng)和民眾聚集度，有些社會(huì)事件造成的大規(guī)模網(wǎng)絡(luò)輿情產(chǎn)生了一定的經(jīng)濟(jì)效益。有些不法分子就利用網(wǎng)絡(luò)輿情造成的大規(guī)模的社會(huì)言論從中謀取不法利潤(rùn)。他們借助我國(guó)現(xiàn)階段網(wǎng)絡(luò)管理制度的不完善現(xiàn)狀，鉆空子、走偏鋒，故意、蓄意捏造虛假消息和負(fù)面報(bào)道，有些甚至存在欺詐、勒索等犯罪事實(shí)，造成民眾大規(guī)模的社會(huì)反響和反對(duì)浪潮。使網(wǎng)絡(luò)環(huán)境形成了非常不健康、不文明的狀態(tài)。

（三）真人真事與社會(huì)道德弘揚(yáng)的正面輿情

除了負(fù)面、惡劣的網(wǎng)絡(luò)輿情，還存在很多正面、積極的網(wǎng)絡(luò)輿情。網(wǎng)絡(luò)雖然更大比例是宣泄、、抒發(fā)不滿、宣泄情緒的地方。但同時(shí)也是弘揚(yáng)正能量、倡導(dǎo)社會(huì)善舉的優(yōu)良土壤。近年來(lái)，很多社會(huì)上的好人好事，樂(lè)于救人、見(jiàn)義勇為、綠色通道等好人好事也大量在網(wǎng)絡(luò)中轉(zhuǎn)帖、流傳，大量的正面輿情不斷跟帖、跟贊。網(wǎng)絡(luò)輿情同時(shí)也宣傳了很多正義、善良的新聞事件，在社會(huì)中也形成了效仿和認(rèn)可的局面。

三、針對(duì)網(wǎng)絡(luò)輿情應(yīng)對(duì)的策略

（一）構(gòu)筑大數(shù)據(jù)網(wǎng)絡(luò)

要想更全面、更系統(tǒng)的控制網(wǎng)絡(luò)輿情，就需要構(gòu)筑大數(shù)據(jù)網(wǎng)絡(luò)平臺(tái)。目前我國(guó)網(wǎng)絡(luò)輿情是把整個(gè)網(wǎng)絡(luò)體系分散成一個(gè)一個(gè)的單元進(jìn)行監(jiān)管和控制，單元型的網(wǎng)絡(luò)輿情監(jiān)控在可控范圍內(nèi)能夠發(fā)揮其實(shí)時(shí)控制的作用，但是由于單元型的網(wǎng)絡(luò)監(jiān)管只是局部的管控，單元和單元之間也存在一定程度的“空隙”，在“各自為政”的單元區(qū)域網(wǎng)絡(luò)監(jiān)控的狀態(tài)下，很多邊緣性網(wǎng)絡(luò)輿論言論就容易蔓延、滋生。全局性的網(wǎng)絡(luò)監(jiān)控就越來(lái)越凸顯出不健全和不到位，單元型的網(wǎng)絡(luò)控制互相之間的溝通、協(xié)調(diào)大都不到位。而且各個(gè)信息系統(tǒng)的信息化檔次和操作人員水平也參差不齊，構(gòu)成了信息互聯(lián)的巨大阻礙。因此，構(gòu)筑大數(shù)據(jù)網(wǎng)絡(luò)成為了必然要求。只有把單元區(qū)域的網(wǎng)絡(luò)監(jiān)管統(tǒng)一起來(lái)，才能夠從全局上把握和掌控輿論的正面性和陽(yáng)光性。有了大數(shù)據(jù)的互聯(lián)互通，才能夠?qū)崿F(xiàn)數(shù)據(jù)庫(kù)的完整共享并實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)溝通。

（二）構(gòu)建專業(yè)輿情應(yīng)對(duì)體系

構(gòu)建網(wǎng)絡(luò)輿情應(yīng)對(duì)體系首先應(yīng)該升級(jí)網(wǎng)絡(luò)輿情監(jiān)測(cè)系統(tǒng)。不良社會(huì)效應(yīng)的網(wǎng)絡(luò)輿情很多都是從源頭開(kāi)始沒(méi)有監(jiān)管到位。由于網(wǎng)絡(luò)大數(shù)據(jù)的信息量和數(shù)據(jù)量不斷增長(zhǎng)，信息傳遞的方式方法又呈現(xiàn)多樣化、偏門化趨勢(shì)，這樣給輿情監(jiān)管帶來(lái)非常大的工作困難。怎樣通過(guò)輿情監(jiān)管把輿情信息有效、正確的篩選是初步選擇。一般來(lái)說(shuō)，目前我國(guó)輿情監(jiān)管系統(tǒng)存在篩選不到位，新型信息數(shù)據(jù)錄入不到位，信息抓取有疏漏，人工化、原始化嚴(yán)重，智能化水平不高等狀況。但是面對(duì)一日萬(wàn)里的信息大爆發(fā)，現(xiàn)階段的輿情監(jiān)控水平完全不能跟上信息發(fā)展的速度。所以造成了很多負(fù)面輿情、不利言論在形成一定規(guī)模之后才大量進(jìn)行刪減、屏蔽。這樣的輿情效率工作低下，不利于后期輿情應(yīng)對(duì)和妥善處理。

（三）完善網(wǎng)絡(luò)輿情法律法規(guī)，落實(shí)新聞發(fā)言人體制

要想強(qiáng)化網(wǎng)絡(luò)輿情應(yīng)對(duì)體系，還要落實(shí)新聞發(fā)言人體制。只有落實(shí)了網(wǎng)絡(luò)輿情傳播的首問(wèn)責(zé)任，追究到源頭，實(shí)名認(rèn)證，有據(jù)可查，可以追朔源頭，依靠法律法規(guī)的健全和完善，對(duì)蓄意傳播具有惡劣影響的網(wǎng)絡(luò)言論的不法人士依法懲罰。能夠從源頭就對(duì)新聞和言論的人產(chǎn)生一定的威懾力和約束力，每個(gè)網(wǎng)絡(luò)言論傳播人員對(duì)所傳播的內(nèi)容負(fù)責(zé)，從而實(shí)現(xiàn)輿情言論的良好控制。

四、結(jié)論

綜上所述，網(wǎng)絡(luò)輿情是隨著網(wǎng)絡(luò)信息的飛速發(fā)展和信息傳遞的高速運(yùn)行而產(chǎn)生的一種新型的社會(huì)輿論問(wèn)題，它是通過(guò)虛擬平臺(tái)傳遞現(xiàn)實(shí)狀況的一種體現(xiàn)。政府各個(gè)部門應(yīng)該高度重視，從設(shè)備上、人員上和法律制度上不斷的完善和健全網(wǎng)絡(luò)輿情監(jiān)管力度，從而實(shí)現(xiàn)網(wǎng)絡(luò)輿情的正確應(yīng)對(duì)。

參考文獻(xiàn)：

[1]崔智慧.新媒體時(shí)代網(wǎng)絡(luò)輿情的分析及引導(dǎo)策略[J]，青年記者（中旬刊），2015，02（02）：70-71.

網(wǎng)絡(luò)輿情法律范文第4篇

一、 工作職責(zé)

（一）做好網(wǎng)上政務(wù)公開(kāi)工作。定期不定期在網(wǎng)上工商職能范圍內(nèi)的政務(wù)信息。工商部門出臺(tái)的各項(xiàng)規(guī)劃、各種規(guī)章制度和推進(jìn)的各項(xiàng)重大建設(shè)，凡能公開(kāi)的，都應(yīng)在網(wǎng)上及時(shí)公開(kāi)，讓網(wǎng)民提出意見(jiàn)和建議，接受監(jiān)督。

（二）在線受理、答復(fù)和處理網(wǎng)民反映事項(xiàng)。積極登錄相關(guān)網(wǎng)站互動(dòng)式欄目，及時(shí)受理、答復(fù)和處理網(wǎng)民涉及工商職能范圍內(nèi)工作的投訴、意見(jiàn)和建議，做到“反映即受理，受理即處理”。

（三）組織開(kāi)展網(wǎng)上宣傳引導(dǎo)活動(dòng)。結(jié)合工商部門工作實(shí)際，追蹤、研判熱點(diǎn)難點(diǎn)問(wèn)題，組織網(wǎng)上宣傳，對(duì)網(wǎng)上影響較大、議論較多的輿情發(fā)表權(quán)威言論，掌握網(wǎng)上輿論主導(dǎo)權(quán)和話語(yǔ)權(quán)。對(duì)重大突發(fā)事件所引起的網(wǎng)上輿情及嚴(yán)重影響社會(huì)政治穩(wěn)定的重要輿情，應(yīng)按照市政府的有關(guān)要求，遵循分級(jí)處置、屬地管理、分工負(fù)責(zé)、快速反應(yīng)原則，積極監(jiān)控、研判，并加強(qiáng)信息和輿論引導(dǎo)。

（四）加強(qiáng)和完善版塊管理。組織網(wǎng)絡(luò)評(píng)論員對(duì)工商部門負(fù)責(zé)的版塊進(jìn)行動(dòng)態(tài)管理，包括編輯精華區(qū)、活躍版面、依據(jù)《互聯(lián)網(wǎng)電子公告服務(wù)管理規(guī)定》審帖、刪除違規(guī)帖子等。

二、工作分工

根據(jù)網(wǎng)絡(luò)發(fā)言人工作團(tuán)隊(duì)特點(diǎn)，設(shè)立網(wǎng)絡(luò)發(fā)言人、網(wǎng)絡(luò)主持人、網(wǎng)絡(luò)主持人輔助人員（輿情監(jiān)測(cè)員）、網(wǎng)絡(luò)評(píng)論員崗位：

（一）網(wǎng)絡(luò)發(fā)言人：負(fù)責(zé)對(duì)開(kāi)展網(wǎng)絡(luò)宣傳策劃，網(wǎng)絡(luò)信息，用發(fā)帖、跟帖等形式回復(fù)網(wǎng)絡(luò)輿論，進(jìn)行網(wǎng)絡(luò)輿情引導(dǎo)等工作的統(tǒng)一組織領(lǐng)導(dǎo)協(xié)調(diào)。

（二）網(wǎng)絡(luò)主持人：協(xié)助網(wǎng)絡(luò)發(fā)言人工作，具體組織實(shí)施有針對(duì)性地開(kāi)展網(wǎng)絡(luò)宣傳策劃、網(wǎng)絡(luò)輿情答復(fù)、引導(dǎo)等工作。

（三）網(wǎng)絡(luò)主持人輔助人員（輿情監(jiān)測(cè)員）：密切監(jiān)控網(wǎng)絡(luò)輿情，提供輿情資訊，發(fā)現(xiàn)涉及我市工商部門的網(wǎng)絡(luò)輿情信息及時(shí)向網(wǎng)絡(luò)主持人報(bào)告；以網(wǎng)絡(luò)發(fā)言人身份將經(jīng)審定的答復(fù)意見(jiàn)在相應(yīng)互動(dòng)式欄目進(jìn)行正面回復(fù)。

（四）網(wǎng)絡(luò)評(píng)論員：根據(jù)網(wǎng)絡(luò)發(fā)言人的統(tǒng)一指揮，主動(dòng)介入有關(guān)網(wǎng)站的交互式欄目（論壇、貼吧、說(shuō)吧、留言板等），在網(wǎng)上就關(guān)注的涉及我市工商部門的熱點(diǎn)問(wèn)題、難點(diǎn)問(wèn)題參與評(píng)論，主動(dòng)導(dǎo)貼、積極跟帖，及時(shí)引導(dǎo)網(wǎng)上輿論，維護(hù)工商部門的正面形象，最大程度上消除各種負(fù)面影響。

（五）業(yè)務(wù)法律顧問(wèn)：對(duì)網(wǎng)絡(luò)涉及工商部門業(yè)務(wù)事項(xiàng)接受法律咨詢，對(duì)有關(guān)回復(fù)內(nèi)容進(jìn)行審核把關(guān)，對(duì)熱點(diǎn)問(wèn)題、難點(diǎn)問(wèn)題提供相關(guān)法律意見(jiàn)。

三、工作流程

（一）搜集。輿情監(jiān)測(cè)員原則上要保持相關(guān)熱點(diǎn)論壇在線狀態(tài)，發(fā)現(xiàn)涉及我市工商部門的網(wǎng)絡(luò)輿情信息及時(shí)向網(wǎng)絡(luò)主持人報(bào)告。

（二）受理。網(wǎng)絡(luò)主持人對(duì)涉及工商部門職責(zé)范圍內(nèi)的網(wǎng)民投訴、意見(jiàn)和建議，要盡快做出初步回應(yīng)（一般不應(yīng)超過(guò)網(wǎng)民發(fā)帖_小時(shí)），及時(shí)組織網(wǎng)絡(luò)評(píng)論員以網(wǎng)民身份進(jìn)行輿論引導(dǎo)（對(duì)需以市工商局網(wǎng)絡(luò)發(fā)言人身份正面回應(yīng)的事項(xiàng)繼續(xù)按以下流程進(jìn)行）。有關(guān)涉法、涉訴等不宜公開(kāi)的網(wǎng)民反映事項(xiàng)，按有關(guān)規(guī)定處理。

（三）辦理。受理網(wǎng)民反映事項(xiàng)后，辦公室要及時(shí)登記并核實(shí)其內(nèi)容的真實(shí)性，根據(jù)業(yè)務(wù)職能通過(guò)oa系統(tǒng)轉(zhuǎn)業(yè)務(wù)科室研究處置措施和答復(fù)口徑。

（四）答復(fù)。辦公室將業(yè)務(wù)科室經(jīng)oa發(fā)文流程審定的答復(fù)意見(jiàn)，由輿情監(jiān)測(cè)員以網(wǎng)絡(luò)發(fā)言人身份在相應(yīng)互動(dòng)式欄目答復(fù)。答復(fù)的時(shí)限為網(wǎng)民反映事項(xiàng)后_個(gè)工作日內(nèi)（節(jié)假日順延），確需延長(zhǎng)辦理時(shí)間的不得超過(guò)__個(gè)工作日。同時(shí)積極利用工商紅盾信息網(wǎng)站及其他網(wǎng)站同時(shí)答復(fù)。

（五）處理和再答復(fù)。在做出答復(fù)的同時(shí)或答復(fù)后，相關(guān)業(yè)務(wù)科室應(yīng)認(rèn)真組織力量處理網(wǎng)民反映事項(xiàng)。對(duì)于確需更長(zhǎng)時(shí)間或需多部門聯(lián)合處置的網(wǎng)民反映事項(xiàng)，要會(huì)同辦公室以網(wǎng)絡(luò)發(fā)言人身份動(dòng)態(tài)跟帖通報(bào)處理的進(jìn)展和結(jié)果，對(duì)網(wǎng)民質(zhì)疑要再回應(yīng)，還要盡可能同時(shí)在新聞媒體上公布有關(guān)情況。

四、指導(dǎo)、監(jiān)督

網(wǎng)絡(luò)輿情法律范文第5篇

今年，在縣委、縣政府的正確領(lǐng)導(dǎo)下，在縣互聯(lián)網(wǎng)中心的指導(dǎo)下，我辦高度重視網(wǎng)絡(luò)輿情工作，本著全面、及時(shí)、準(zhǔn)確、實(shí)效的原則，切實(shí)做好輿情處置工作，現(xiàn)將具體工作情況匯報(bào)如下：

一、領(lǐng)導(dǎo)高度重視，本辦全員參與網(wǎng)絡(luò)輿情工作

年初，《關(guān)于印發(fā)**縣2017年度網(wǎng)絡(luò)輿情宣傳管理工作考核辦法的通知》*委辦[2018]29號(hào)文件精神，成立網(wǎng)絡(luò)輿情宣傳工作領(lǐng)導(dǎo)組，由縣委辦副主任、縣委臺(tái)辦主任賈伯根任組長(zhǎng)，縣委臺(tái)辦主任袁副組長(zhǎng)，徐向東為本辦網(wǎng)絡(luò)發(fā)言人，本辦其他人員任組員。七月，由于負(fù)責(zé)人職務(wù)變動(dòng)，按照要求，本辦及時(shí)調(diào)整網(wǎng)絡(luò)輿情工作領(lǐng)導(dǎo)小組名單，組長(zhǎng)改由孫中主任擔(dān)任。本辦已為網(wǎng)絡(luò)發(fā)言人配備了計(jì)算機(jī)、打印機(jī)、復(fù)印機(jī)、電話等辦公設(shè)備。

二、注重實(shí)效，扎實(shí)有效開(kāi)展網(wǎng)絡(luò)輿情處置工作

本辦網(wǎng)絡(luò)發(fā)言人按要求工作日上網(wǎng)簽到，遇特殊情況及時(shí)向主管部門報(bào)告，保證每月簽到22次以上。通訊工作保持24小時(shí)暢通。每天按要求瀏覽“海田漫思”、“海田網(wǎng)事”、“海田網(wǎng)”等范圍內(nèi)有影響的網(wǎng)站，關(guān)注與本辦、本縣有關(guān)的帖子，確保第一時(shí)間發(fā)現(xiàn)輿情，將矛盾消除在萌芽時(shí)期。認(rèn)真做好交辦的發(fā)帖、跟帖等交辦工作。

三、強(qiáng)化職責(zé)，及時(shí)高效做好輿情網(wǎng)絡(luò)宣傳工作

本辦網(wǎng)絡(luò)發(fā)言人按要求每天瀏覽，并每月轉(zhuǎn)發(fā)500條以上微博信息，較好地宣傳。本辦利用網(wǎng)絡(luò)信息量大、傳播速度快的特點(diǎn)，做好臺(tái)辦宣傳工作，全年在網(wǎng)事網(wǎng)站發(fā)表宣傳帖子30余篇，并按要求完成上級(jí)交辦的跟帖、回帖工作。

四、積極處置，妥善完成好網(wǎng)絡(luò)輿情專項(xiàng)工作

本辦積極處置《輿情專報(bào)》、《輿情交辦》等事項(xiàng)，消除網(wǎng)上不良影響。積極響應(yīng)網(wǎng)絡(luò)宣傳交辦工作，妥善處置重大輿情，注意擴(kuò)大本辦的知名度和巧妙化解危機(jī)。

五、嚴(yán)格要求，認(rèn)真做好網(wǎng)絡(luò)輿情歸檔工作

根據(jù)領(lǐng)導(dǎo)的要求，認(rèn)真好履行本辦的工作職責(zé)，搞好網(wǎng)絡(luò)輿情工作。每天安排好網(wǎng)絡(luò)回帖人員，負(fù)責(zé)對(duì)涉及本縣的相關(guān)輿情進(jìn)行收集，并在發(fā)現(xiàn)輿情時(shí)及時(shí)上報(bào)分管領(lǐng)導(dǎo)，對(duì)于網(wǎng)絡(luò)重大事件實(shí)行專職人員上網(wǎng)瀏覽、發(fā)帖、跟帖、回復(fù)及網(wǎng)絡(luò)信息宣傳等情況的記錄，認(rèn)真做好網(wǎng)絡(luò)輿情處置和網(wǎng)絡(luò)宣傳等方面的資料歸檔工作。

六、2014年工作打算

1、加強(qiáng)與兄弟單位的學(xué)習(xí)合作，加強(qiáng)輿情信息的溝通與交流。加強(qiáng)與兄弟單位間的輿情信息的溝通與交流，能夠高效的處置網(wǎng)絡(luò)輿情事件。