面向網(wǎng)絡(luò)輿情的觀點(diǎn)樹(shù)挖掘研究.pdf

1、公共危機(jī)突發(fā)事件爆發(fā)越來(lái)越頻繁。當(dāng)我們還沒(méi)從“云南盈江地震”中緩過(guò)勁，“日本9.0級(jí)大地震”奔襲而來(lái)。突發(fā)公共事件日益增多，自然災(zāi)害發(fā)生頻率逐步加劇，互聯(lián)網(wǎng)的應(yīng)用越來(lái)越普及，社會(huì)輿情事件迅速在網(wǎng)絡(luò)上傳播、擴(kuò)展、衍生、甚至引發(fā)網(wǎng)絡(luò)輿情(IPO：InternetPublicOpinions)危機(jī)。網(wǎng)絡(luò)輿情危機(jī)事件爆發(fā)的可能性加大。網(wǎng)絡(luò)輿情更多是由網(wǎng)民在互聯(lián)網(wǎng)上相互討論引發(fā)的，帶有情感色彩的語(yǔ)言詞匯交織在一起，網(wǎng)民觀點(diǎn)相互碰撞，原本并不受關(guān)注

2、的某一社會(huì)輿情事件被推向網(wǎng)絡(luò)輿情危機(jī)邊緣，直至引發(fā)網(wǎng)絡(luò)輿情危機(jī)。網(wǎng)民的觀點(diǎn)通常帶有個(gè)人感情色彩和情感傾向，觀點(diǎn)挖掘(OM：OpinionMining)關(guān)注的是網(wǎng)民評(píng)論中情感表達(dá)詞匯，并將評(píng)論中的情感傾向挖掘出來(lái)。
　　 網(wǎng)絡(luò)輿情事件中網(wǎng)民觀點(diǎn)具有不同的觀點(diǎn)極性，在各種觀點(diǎn)極性下也具有不同的觀點(diǎn)強(qiáng)度，并且每一種觀點(diǎn)強(qiáng)度所關(guān)注的事件的特性是不一致的，也即每一種強(qiáng)度下的觀點(diǎn)具有不同的觀點(diǎn)屬性。將觀點(diǎn)極性、強(qiáng)度和屬性結(jié)合在一起，構(gòu)建面向

3、網(wǎng)絡(luò)輿情的觀點(diǎn)樹(shù)結(jié)構(gòu)，有利于網(wǎng)絡(luò)輿情的定量化描述，也有利于整體把握網(wǎng)絡(luò)輿情動(dòng)態(tài)。
　　 基于此，在國(guó)家社科基金項(xiàng)目“面向網(wǎng)絡(luò)輿情危機(jī)預(yù)警的觀點(diǎn)柔性挖掘方法研究”(課題編號(hào)：09TQB034)的支持下，本研究從網(wǎng)絡(luò)輿情出發(fā)，對(duì)面向網(wǎng)絡(luò)輿情中的觀點(diǎn)樹(shù)進(jìn)行挖掘并展開(kāi)研究。
　　 本文的主要工作和創(chuàng)新之處體現(xiàn)在：
　　 (1)網(wǎng)民觀點(diǎn)與網(wǎng)絡(luò)輿情關(guān)系分析。首先提出網(wǎng)絡(luò)輿情元信息，分別對(duì)元信息、網(wǎng)民觀點(diǎn)、網(wǎng)絡(luò)輿情之間相互關(guān)系

4、進(jìn)行分析，從而分析了網(wǎng)民觀點(diǎn)極性、觀點(diǎn)強(qiáng)度以及觀點(diǎn)屬性之間的關(guān)系，基于以上分析，提出一種稱為“觀點(diǎn)樹(shù)”的網(wǎng)絡(luò)輿情表示方法。
　　 (2)基于ExPMI_IR的網(wǎng)絡(luò)輿情觀點(diǎn)極性挖掘。
　　 Ⅰ.網(wǎng)絡(luò)輿情傳播過(guò)程中，網(wǎng)絡(luò)情感詞語(yǔ)對(duì)網(wǎng)絡(luò)輿情的發(fā)展起到促動(dòng)作用，能夠凸顯其對(duì)網(wǎng)民觀點(diǎn)傾向的影響；為了提高觀點(diǎn)挖掘準(zhǔn)確率，本文所做的工作之一是對(duì)金山詞霸網(wǎng)絡(luò)詞語(yǔ)詞典進(jìn)行情感極性手工標(biāo)注，從而構(gòu)建基于金山詞霸網(wǎng)絡(luò)詞典的網(wǎng)絡(luò)情感詞典(文章中

5、稱之為Senti-NetWords)；對(duì)HowNet詞典進(jìn)一步處理，構(gòu)建基于HowNet的情感詞典(文章中稱之為Senti-HowNet)。
　　 Ⅱ.在情感詞典基礎(chǔ)上，提出ExPMI_IR(ExtendedPointwiseMutualInformationInformationRetrieval)的觀點(diǎn)極性挖掘算法，給出特征詞傾向度計(jì)算算法，對(duì)文檔特征詞進(jìn)行過(guò)濾；克服算法對(duì)人工詞語(yǔ)種子集的依賴性，同時(shí)情感種子集在完備性和準(zhǔn)確

6、性方面獲得了提升；
　　 Ⅲ.實(shí)驗(yàn)過(guò)程中，用網(wǎng)絡(luò)輿情事件的網(wǎng)民發(fā)帖建立實(shí)驗(yàn)語(yǔ)料，對(duì)其進(jìn)行相關(guān)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，基于ExPMI_IR的網(wǎng)絡(luò)輿情觀點(diǎn)極性挖掘方法準(zhǔn)確度得到一定改善，并且，網(wǎng)絡(luò)情感詞語(yǔ)對(duì)網(wǎng)絡(luò)輿情挖掘有所影響，但對(duì)來(lái)源網(wǎng)站不同的網(wǎng)民觀點(diǎn)，其對(duì)挖掘結(jié)果的影響是不同。網(wǎng)絡(luò)輿情觀點(diǎn)極性挖掘完成的是觀點(diǎn)樹(shù)粗粒度節(jié)點(diǎn)的構(gòu)建。
　　 (3)基于Logistic回歸模型的網(wǎng)絡(luò)輿情觀點(diǎn)強(qiáng)度挖掘。
　　 為了進(jìn)一步了解網(wǎng)

7、民對(duì)某網(wǎng)絡(luò)輿情事件所持觀點(diǎn)強(qiáng)度，從Logistic回歸模型出發(fā)，建立基于多分類Logistic的觀點(diǎn)強(qiáng)度挖掘模型，在模型中，通過(guò)定義不同的觀點(diǎn)強(qiáng)度值來(lái)判定網(wǎng)民觀點(diǎn)強(qiáng)度；實(shí)驗(yàn)過(guò)程中，采取某網(wǎng)絡(luò)輿情事件中的網(wǎng)民發(fā)帖作為數(shù)據(jù)來(lái)源，建立實(shí)驗(yàn)語(yǔ)料，實(shí)驗(yàn)結(jié)果分析表明，基于Logistic回歸模型的網(wǎng)民觀點(diǎn)強(qiáng)度挖掘方法能夠較好地挖掘出網(wǎng)絡(luò)輿情觀點(diǎn)強(qiáng)度，其結(jié)果優(yōu)于基于評(píng)價(jià)理論的網(wǎng)絡(luò)輿情觀點(diǎn)強(qiáng)度挖掘方法。網(wǎng)絡(luò)輿情觀點(diǎn)強(qiáng)度挖掘完成的是觀點(diǎn)樹(shù)中粒度節(jié)點(diǎn)的構(gòu)建

8、。
　　 (4)基于短語(yǔ)模式的網(wǎng)絡(luò)輿情觀點(diǎn)屬性挖掘。
　　 在對(duì)網(wǎng)民觀點(diǎn)屬性進(jìn)行挖掘過(guò)程中，從語(yǔ)言學(xué)角度出發(fā)，分析詞典中對(duì)詞語(yǔ)定義的特點(diǎn)，定義適合網(wǎng)絡(luò)輿情中網(wǎng)民觀點(diǎn)屬性挖掘的短語(yǔ)模式，通過(guò)模式匹配的原則實(shí)現(xiàn)網(wǎng)絡(luò)輿情觀點(diǎn)屬性挖掘。網(wǎng)絡(luò)輿情觀點(diǎn)屬性挖掘完成的是觀點(diǎn)樹(shù)細(xì)粒度節(jié)點(diǎn)的構(gòu)建。
　　 (5)觀點(diǎn)樹(shù)挖掘。
　　 單一的網(wǎng)民觀點(diǎn)極性或者觀點(diǎn)強(qiáng)度不能充分描述網(wǎng)民觀點(diǎn)對(duì)網(wǎng)絡(luò)輿情的影響，為了更詳細(xì)描述網(wǎng)絡(luò)輿情，為