原理：pagerank演算法原理
在輿情熱點挖掘中引入 pagerank演算法思想，構造輿情網路，單個節點的重要性來 自于該網路中其 他成員節點重要性的線性組合，從而建構乙個線性方程組， 輿情網路 中各節點的重要性即該線性方程組最大特徵值所對應的特徵向量。
以下演算法可以用來描述輿情絡 的熱點挖掘過程 ：
(1)取 n個直接或間接鏈結關係的頁面構建輿情網路，每個頁面為該網路的節點 ；
(2)建立該輿情網路的鄰接矩陣a，其中aij=1表示節點 i與節點j之間存在直接連線；aij=0表示節點i與節點j之間不存在直接連線 ； λ 表示矩陣a的主特徵值，主特徵值 λ 的特徵向量用 e表示 ， 即e= (e1，e2，⋯，en )；
(3)定義 xλ =ax ， 有 ：
使用公式( 3) 計算輿情網路節點的特徵向量值， 降序後輸出， 得到輿情熱點。
應用例項：
以上圖所示的簡單輿情網路中標註的a、 b、 c、 d這4個節點為例，使用pagerank方法， 通過計算 4個節點的特徵 向量挖掘**熱點。節點 a處於該輿情網路中心位置，通過 計算得知其特徵向量值為1.2，說明了 a節點的核心地位；網路節點 b的特徵向量值為1.14，位居其 次；網路節點 c的特徵向量值為1.01；網路節點 d的特徵向量值為 0.71， 其重要性即熱度相對最低。
原理：hits演算法原理
在輿情熱點挖掘中引入hits演算法基本思想，將網頁內容核心度對映為輿情網路中節點核心度，用c表示；對網頁內容核心的附屬關係則對映為輿情網路中節點的趨近核心度，用n表示．以下演算法可以用來描述輿情網路的熱點挖掘過程：
(1)用頁面和鏈結關係建立輿情網路，構造演算法的初始集合s，s中的元素為輿情網路的任意個節點p，節點數m=200；
(3)計算s中所有輿情節點p的核心度值pc和趨近核心度值pn，分別用式(1)和(2)表示
其中：各輿情節點的核心度值c和趨近核心度值n均初始化為1；
(4)對步驟3進行迭代，直至pc與pn趨於穩定；
(5)將計算所得輿情節點的核心度值pc進行降序排列後輸出，得到輿情熱點．
參考：《網路輿情熱點挖掘演算法研究與實現》黃敏
網路輿情怎麼分析研判的方案
面對網際網路上易發高發的輿情突發事件，處理不及時，就會形成社會 熱點。問題是網路資訊又是7 24小時無休止的傳播擴散，若無法做到及時監測，盡早分析研判輿情，就談不上及時主動處理。因此，做好網上輿情監測研判工作是輿情危機處理的前提。那麼，網路輿情怎麼分析研判呢？網路輿情怎麼分析研判的方案，如下 1.建...
nagle演算法在網路程式設計的作用
tcp ip協議中，無論傳送多少資料，總是要在資料前面加上協議頭，同時，對方接收到資料，也需要傳送ack表示確認。為了盡可能的利用網路頻寬，tcp總是希望盡可能的傳送足夠大的資料。乙個連線會設定mss引數，因此，tcp ip希望每次都能夠以mss尺寸的資料塊來傳送資料 nagle演算法就是為了盡可能...
鏈結分析演算法之 SALSA演算法
salsa演算法的初衷希望能夠結合pagerank和hits演算法兩者的主要特點，既可以利用hits演算法與查詢相關的特點，也可以採納pagerank的 隨機遊走模型 這是salsa演算法提出的背景。由此可見，salsa演算法融合了pagerank和hits演算法的基本思想，從實際效果來說，很多實驗...