不添加时间轴的模式下，网络舆情信息聚合网络、聚合数据关联维度、共现路径以及聚合依据详见表8-1。

8.2.1.1　基于人物关联的聚合

基于人物关联的聚合的共现路径是人物-人物共现，根据数据来源差异可以将人物划分为来自用户数据库的“评论者”，即信息的创建者，以及来自资源数据库的“被评论者”，即从文本内容中挖掘得到的人物实体。聚合依据是从网络舆情动态分析中抽取得到的人物-人物关系类型，例如“评论者-被评论者”的聚合依据可能来自人物关系中的评论关系、询问关系、请求关系等，“被评论者-被评论者”的聚合依据可能来自人物关系中的家人关系、证据关系、犯罪关系、朋友关系、合作关系、工作关系、采访关系、校友关系、师生关系、委托关系、贿赂关系、纠纷关系、竞争关系、邻居关系、师徒关系、买卖关系、赠予关系、医患关系等。对人物关系的准确识别是有效进行人物关联聚合的重要基础。

基于人物关联的聚合的目的旨在识别潜在的用户群体，进行人群划分。通过被评论者与被评论者的共现，可以发现被评论的人物之间存在的关系网络。通过评论者与被评论者的共现，可以发现对被评论的人物的关注人群的分布情况，或者发现特定评论者所关注的对象人物群体。

8.2.1.2　基于机构关联的聚合

基于机构关联的聚合的共现路径是机构-机构共现，根据数据来源差异可以将机构划分为来自用户数据库的“评论机构”，即信息的创建机构，以及来自资源数据库的“被评论机构”，即从文本内容中挖掘得到的机构实体。聚合依据是从网络舆情动态分析中抽取得到的机构-机构关系类型，例如“评论机构-被评论机构”的聚合依据可能来自机构关系中的评论关系、询问关系、请求关系等，“被评论机构-被评论机构”的聚合依据可能来自机构关系中的敌对关系、合作关系、流向关系、竞争关系、委托关系、契约关系、总部分部关系等。对机构关系的准确识别是有效进行机构关联聚合的重要基础。

基于机构关联的聚合的目的旨在识别潜在的机构群体，进行机构群体划分。通过被评论机构与被评论机构的共现，可以发现被评论的机构之间存在的关系网络。通过评论机构与被评论机构的共现，可以发现对被评论的机构的关注机构的分布情况，或者发现特定评论机构所关注的对象机构群体。

8.2.1.3　基于人物-机构关联的聚合

基于人物-机构关联的聚合的共现路径是人物-机构共现，根据数据来源差异可以将人物、机构划分为来自用户数据库的“评论者”“评论机构”，即信息的创建者或机构，以及来自资源数据库的“被评论者”“被评论机构”，即从资源文本内容中挖掘得到的人物或机构实体。聚合依据是从网络舆情动态分析中抽取得到的人物-机构关系类型，例如“评论机构-被评论者”“评论者-被评论机构”的聚合依据可能来自人物-机构关系中的评论关系、询问关系、请求关系等，“被评论者-被评论机构”的聚合依据可能来自人物-机构关系中的首脑关系、采访关系、成员关系、证据关系、工作单位关系、纠纷关系、住所关系、委托关系、医患关系等。对人物-机构关系的准确识别是有效进行人物-机构关联聚合的重要基础。

基于人物-机构关联的聚合的目的旨在识别潜在的人物或机构群体，进行人物或机构群体划分。通过被评论机构与被评论者的共现，以被评论人物或被评论机构为中心，可以发现被评论的人物与机构之间存在的关系网络。通过评论者与被评论机构的共现，可以发现特定用户关注的机构群体，或者对特定机构的关注用户群体。通过评论机构与被评论者的共现，可以发现对被评论的人物的关注机构的分布情况，或者发现特定评论机构所关注的对象人物群体。

8.2.1.4　基于人物-地点关联的聚合

基于人物-地点关联的聚合的共现路径是人物-地点共现，根据数据来源差异可以将人物、地点划分为来自用户数据库的“评论者”“用户来源IP对应的地点”，即信息的创建者或用户所在地，以及来自资源数据库的“被评论者”“被评论地点”，即从资源文本内容中挖掘得到的人物或地点实体。共现路径包括三种：“被评论者-地点”共现、“评论者-来源IP”共现、“评论者-来源IP”共现。聚合依据是进行人物要素与地点要素的耦合分析，通过耦合关系来建立两者之间的网络关系，聚合网络原理如图8-4所示。

图8-4　人物-地点聚合网络原理

在图8-4中，人物P1与地点A1、A3、A4、A5共现，人物P2与地点A2、A3共现，人物P3与地点A2、A3、A4、A5共现，人物P4与地点A2、A3共现，人物P5与地点A1共现，则人物P2、P3、P4存在着地点A2、A3的耦合，人物P1、P3存在着地点A3、A4、A5的耦合，人物P1、P5存在着地点A1的耦合。由此，多个人物形成了基于地点耦合的聚合网络。同理亦可生成多个地点基于人物耦合的聚合网络。

基于人物-地点关联的聚合的目的旨在识别潜在的人物或地点之间的关系，进行人物或地点群体划分。通过被评论者与地点的共现，以被评论人物或地点为中心，可以发现被评论的人物与地点之间存在的关系网络。通过评论者与地点的共现，可以发现特定用户关注的地理空间，或者对特定区域的关注用户的群体分布。通过评论者与其来源IP对应地点的共现，可以发现参与网络舆情事件的评论用户的来源地分布情况，或者发现特定来源地的评论者的群体分布情况。

8.2.1.5　基于地点关联的聚合

基于地点关联的聚合的共现路径是地点-地点共现，根据数据来源差异可以将地点划分为来自用户数据库的“用户来源IP对应的地点”，即信息创建者的所在地，以及来自资源数据库的“被评论地点”，即从资源文本内容中挖掘得到的地点实体。共现路径包括两种：“地点-地点”共现、“地点-来源IP”共现。聚合关系的计算方法是采用密度分析方法，通过密度来显示地点与地点之间的紧密联系程度。

基于地点关联的聚合的目的旨在识别潜在的地点之间的关系，进行地点群划分。通过被评论的地点与地点的共现，可以发现用户关注的地点与地点之间存在的关系网络。通过评论者来源地与地点的共现，可以发现特定来源地的用户关注的地理空间的情况，或者对特定区域的关注用户的地理空间分布，识别出网络舆情事件参与用户的地理分布。

8.2.1.6　基于机构-地点关联的聚合

基于机构-地点关联的聚合的共现路径是机构-地点共现，根据数据来源差异可以将机构划分为来自用户数据库的“评论机构”，即信息的创建机构，以及来自资源数据库的“被评论机构”“被评论地点”，即从资源文本内容中挖掘得到的机构或地点实体。共现路径包括两种：“被评论机构-地点”共现、“评论机构-地点”共现。聚合依据是进行机构要素与地点要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于机构-地点关联的聚合的目的旨在识别机构与地点之间潜在的关系，进行地点群或机构群划分。通过被评论的机构与地点的共现，可以发现用户关注的地点与机构之间存在的关系网络，揭示被评论机构的区域分布特征。通过评论机构与地点的共现，可以发现机构关注的地理空间的情况，或者对特定区域的关注机构群体。

8.2.1.7　基于人物-主题关联的聚合

基于人物-主题关联的聚合的共现路径是人物-关键词共现，根据数据来源差异可以将人物划分为来自用户数据库的“评论者”，即信息的创建者，来自资源数据库的“被评论者”，即从资源文本内容中挖掘得到的人物实体。共现路径包括两种：“被评论者-关键词”共现、“评论者-关键词”共现。聚合依据是进行人物要素与关键词要素的耦合分析，通过耦合关系来建立两者之间的网络关系。(www.daowen.com)

基于人物-主题关联的聚合的目的旨在识别人物与主题之间潜在的关系。通过被评论的人物与关键词的共现，揭示与被评论者相关的观点，发现用户对关注的人物发表了哪些观点，在某种程度上可以反映出用户对被评论人物的关注焦点或看法。通过评论者与关键词的共现，可以发现评论者的信息表达与传递的情况，揭示潜在共识人物群体或用户关注的主题热点等。

8.2.1.8　基于机构-主题关联的聚合

基于机构-主题关联的聚合的共现路径是机构-关键词共现，根据数据来源差异可以将机构划分为来自用户数据库的“评论机构”，即信息的创建机构，来自资源数据库的“被评论机构”，即从资源文本内容中挖掘得到的机构实体，以及来自主题数据库的关键词。共现路径包括两种：“被评论机构-关键词”共现、“评论机构-关键词”共现。聚合依据是进行机构要素与关键词要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于机构-主题关联的聚合的目的旨在识别机构与主题之间潜在的关系。通过被评论的机构与关键词的共现，揭示与被评论机构相关的观点，发现用户对关注的机构发表了哪些观点，在某种程度上可以反映出用户对被评论机构的关注焦点或看法。通过评论机构与关键词的共现，可以发现评论机构的信息表达与传递的情况，揭示潜在共识机构群体或机构关注的主题热点等。

8.2.1.9　基于地点-主题关联的聚合

基于地点-主题关联的聚合的共现路径是地点-关键词共现，根据数据来源差异可以将地点划分为来自用户数据库的“来源IP对应的地点”，即信息创建者的来源地，来自资源数据库的“被评论的地点”，即从资源文本内容中挖掘得到的地点实体，以及来自主题数据库的关键词。共现路径包括两种：“地点-关键词”共现、“来源IP对应的地点-关键词”共现。聚合依据是进行地点要素与关键词要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于地点-主题关联的聚合的目的旨在识别地点与主题之间潜在的关系。通过被评论的地点与关键词的共现，揭示被评论的地点相关的观点，发现用户对关注的地点发表了哪些观点，在某种程度上可以反映出用户对被评论地点的关注焦点或看法。通过来源IP地点与关键词的共现，可以发现与地方相关的信息表达与传递的情况，揭示潜在共识群体的地区分布，或特定地区用户关注的主题热点等。

8.2.1.10　基于主题关联的聚合

基于主题关联的聚合的共现路径是关键词-关键词共现，只需要使用来自主题数据库的关键词进行一维关联。聚合依据是进行关键词要素之间的共词分析，通过对反应文本主题内容的关键词进行统计分析，研究文本内容之间的内在联系和主题结构。在本书9.1节中，使用EFOC值来实现观点聚合，即是基于主题关联的聚合内容的一部分，用于处理通过实体及其属性关联的观点聚合，对于非实体或实体属性的关键词，则使用共词分析来完成。基于主题关联的聚合目的旨在发现话题主题、讨论热点、观点分布。

8.2.1.11　基于来源平台关联的聚合

基于来源平台关联的聚合的共现路径是来源平台-来源平台共现，只需要使用来自资源数据库的来源平台进行一维关联。聚合依据是进行来源要素之间的密度分析。基于来源平台关联的聚合的目的旨在通过对记录文本来源的平台数据的密度统计，发现来源平台之间的相关性，及其对话题演变趋势的影响。

8.2.1.12　基于人物-来源平台关联的聚合

基于人物-来源平台关联的聚合的共现路径是人物-来源平台共现，根据数据来源差异可以将人物划分为来自用户数据库的“评论者”，即信息的创建者，来自资源数据库的“被评论者”，即从资源文本内容中挖掘得到的人物实体。共现路径包括两种：“被评论者-来源平台”共现、“评论者-来源平台”共现。聚合依据是进行人物要素与来源要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于人物-来源平台关联的聚合的目的旨在识别人物与来源平台之间潜在的关系。通过被评论的人物与来源平台的共现，揭示被评论者相关的平台，发现用户在何种平台关注哪些人物。通过评论者与来源平台的共现，可以发现评论者的平台使用情况，揭示哪些用户使用何种平台，进行平台的用户群体划分。

8.2.1.13　基于机构-来源平台关联的聚合

基于机构-来源平台关联的聚合的共现路径是机构-来源平台共现，根据数据来源差异可以将机构划分为来自用户数据库的“评论机构”，即信息的创建机构，来自资源数据库的“被评论机构”，即从资源文本内容中挖掘得到的机构实体。共现路径包括两种：“被评论机构-来源平台”共现、“评论机构-来源平台”共现。聚合依据是进行机构要素与来源要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于机构-来源平台关联的聚合的目的旨在识别机构与来源平台之间潜在的关系。通过被评论的机构与来源平台的共现，揭示被评论机构相关的平台，发现用户在何种平台关注哪些机构。通过评论机构与来源平台的共现，可以发现评论机构的平台使用情况，揭示哪些机构使用何种平台，从而进行平台的机构群体划分。

8.2.1.14　基于地点-来源平台关联的聚合

基于地点-来源平台关联的聚合的共现路径是地点-来源平台共现，根据数据来源差异可以将地点划分为来自用户数据库的“来源IP对应的地点”，即信息创建者的来源地，来自资源数据库的“（被评论）地点”，即从资源文本内容中挖掘得到的地点实体。共现路径包括两种：“地点-来源平台”共现、“来源IP-来源平台”共现。聚合依据是进行地点要素与来源要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于地点-来源平台关联的聚合的目的旨在识别地点与来源平台之间潜在的关系。通过被评论的地点与来源平台的共现，揭示被评论地点相关的平台，发现用户在何种平台关注哪些地点。通过来源IP与来源平台的共现，可以发现区域用户的平台使用情况，揭示哪些地方的用户使用何种平台，进行平台的地点群体划分。

8.2.1.15　基于主题-来源平台关联的聚合

基于主题-来源平台关联的聚合的共现路径是关键词-来源平台共现，使用资源数据库的“来源平台”与主题数据库的“关键词”进行二维关联，聚合依据是进行关键词要素与来源要素的耦合分析，通过耦合关系来建立两者之间的网络关系。

基于主题-来源平台关联的聚合的目的旨在识别主题与来源平台之间潜在的关系。通过关键词与来源平台的共现，揭示与主题相关的平台，或者与平台相关的主题，发现用户在何种平台发表了哪些观点、讨论了哪些主题。