基于时间轴的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8-2。

8.2.2.1　基于时间轴的人物-主题关联聚合

基于时间轴的人物-主题关联的聚合的共现路径是时间-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-时间-关键词”共现、“评论者-时间-关键词”共现。聚合依据是按照时间刻度进行人物要素与关键词要素的耦合分析，时间要素可以日、周、月、年为刻度，根据时间刻度计算人物要素与关键词要素的耦合关系，呈现人物-主题关联随时间变化的状态。

基于时间轴的人物-主题关联的聚合的目的旨在揭示随着时间的变化，人物与主题之间潜在的关系变化趋势。通过被评论的人物与关键词的共现随时间变化的趋势，揭示与被评论者相关的观点的变化，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的变化状态。通过评论者与关键词的共现随时间变化的趋势，可以发现评论者的信息表达与传递情况的变化发展，揭示潜在共识人物群体或用户关注的主题热点的变化等。

表8-2　基于时间轴的主题聚合模式

8.2.2.2　基于时间轴的机构-主题关联聚合

基于时间轴的机构-主题关联的聚合的共现路径是时间-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。共现路径包括两种：“被评论机构-时间-关键词”共现、“评论机构-时间-关键词”共现。聚合依据是按照时间刻度进行机构要素与关键词要素的耦合分析，时间要素可以日、周、月、年为刻度，根据时间刻度计算机构要素与关键词要素的耦合关系，呈现机构-主题关联随时间变化的状态。

基于时间轴的机构-主题关联的聚合的目的旨在揭示随着时间的变化，机构与主题之间潜在的关系变化趋势。通过被评论的机构与关键词的共现随时间变化的趋势，揭示与被评论机构相关的观点的变化，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的变化状态。通过评论机构与关键词的共现随时间变化的趋势，可以发现评论的机构的信息表达与传递情况的变化发展，揭示潜在共识机构群体或机构关注的主题热点的变化等。

8.2.2.3　基于时间轴的地点-主题关联聚合(www.daowen.com)

基于时间轴的地点-主题关联的聚合的共现路径是时间-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）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-时间-关键词”共现、“来源IP-时间-关键词”共现。聚合依据是按照时间刻度进行地点要素与关键词要素的耦合分析，时间要素可以日、周、月、年为刻度，根据时间刻度计算地点要素与关键词要素的耦合关系，呈现地点-主题关联随时间变化的状态。

基于时间轴的地点-主题关联的聚合的目的旨在揭示随着时间的变化，地点与主题之间潜在的关系变化趋势。通过被评论的地点与关键词的共现随时间变化的趋势，揭示与被评论者相关的地点的变化，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的变化状态。通过来源IP对应地点与关键词的共现随时间变化的趋势，可以发现特定地区的用户的信息表达与传递情况的变化发展，揭示用户因来源地不同而产生的关注的主题热点的差异及其变化情况等。

8.2.2.4　基于时间轴的来源平台-主题关联聚合

基于时间轴的来源平台-主题关联的聚合的共现路径是时间-来源平台-关键词共现，使用资源数据库的“来源平台”“时间”与主题数据库的“关键词”进行二维三元关联。聚合依据是按照时间刻度进行来源平台要素与关键词要素的耦合分析，时间要素可以日、周、月、年为刻度，根据时间刻度计算来源平台要素与关键词要素的耦合关系，呈现来源平台-主题关联随时间变化的状态。

基于时间轴的来源平台-主题关联的聚合的目的旨在揭示随着时间的变化，来源平台与主题之间潜在的关系变化趋势，揭示与主题相关的平台，或者与平台相关的主题的动态发展过程，发现用户在什么时间、何种平台发表了哪些观点、讨论了哪些主题。

8.2.2.5　基于时间轴的主题关联聚合

基于时间轴的主题关联的聚合的共现路径是时间-关键词-关键词共现，使用资源数据库的“时间”与主题数据库的“关键词”进行二维关联。聚合依据是按照时间刻度进行关键词要素的共词分析，时间要素可以日、周、月、年为刻度，根据时间刻度计算关键词要素之间的共词关系，呈现主题关联随时间变化的状态。

基于时间轴的主题关联的聚合的目的旨在揭示随着时间的变化，来源平台与主题之间潜在的关系变化趋势，发现话题主题、讨论热点、观点分布随着时间的变化产生了怎样的变化发展，聚合结果可用作跟进话题、监测舆情与预测趋势等。