1.提升舆情大数据的代表性

 

 

上海舆情大数据研究最容易被质疑和诟病的是样本缺乏代表性。作为解决方案，主要有两项举措。一是随机抓取数据，并通过加权的办法使之和特定网络平台的用户或整体网络用户的属性相匹配；二是利用已公开的用户信息分析和推测用户未披露的个人信息，减少个人属性缺失带来的数据代表性低的问题。

 

 

 

 

 

2.非结构化数据与结构化数据有效结合

 

 

非结构化数据除了新闻报道、论坛跟帖、微博等文本信息外，还包括音频、视频、图片等各种格式的数据，对应的网络媒体主要有新闻类网站、门户网站和搜索引擎、各种社交媒体（微信、微博、博客和论坛等）。虽然对于非结构化、半结构化数据的分析精度在不断提升，但依然存在着难以逾越的障碍，比如，目前还无法从大量数据中就正负面态度、情绪做出准确判断。

 

在这种情况下，非结构化数据与结构化数据，包括网络用户行为轨迹，如百度搜索、微博搜索等数据相结合，可以更好地对民意走向、发展趋势做出分析预测。

 

 

 

 

3.全数据：舆情大数据+传统调查

 

 

舆情大数据研究和传统的问卷调查并非相互取代关系，而是相互补充。大数据只有通过和传统的社会调查、舆论调查等方法及研究成果相整合，才能进一步提升舆情研究的水平，使之更科学、严谨，成为各种决策的重要依据。

 

中国社会科学院舆情实验室在构建舆情全数据系统方面做了新的尝试。首先，中国舆情智库监测系统采集的对象不仅包括线上的各种网络媒体，还同时包括线下的各类数据和文献资料，而线下媒体则以报纸、杂志、调查报告为主，以保证完整获取信息，不遗漏重要的信息和资料。其次，构建了全国最大的在线概率样本库。在整合两种不同数据的基础上，打造了中国最大的舆情数据库。

 

在此基础上，持续开展中国舆情指数的系列调查与监测。采用同样方法持续进行的数据积累，能够更好地反映民意和舆论的真实状况，有利于对于舆论发展和变化的有效把握，为服务于国家治理现代化和开展行业舆情管理奠定了科学的基础。