面向主題的輿情本體概念及關(guān)系的抽取研究.pdf

1、隨著網(wǎng)絡(luò)的快速發(fā)展，輿情信息會以某個或者某些主題形式為中心不斷地傳播，但傳播重點也在不斷地更改?？焖儆行У匕l(fā)現(xiàn)相關(guān)遷移的焦點內(nèi)容，有助于相關(guān)部門更好的掌握并分析輿情導(dǎo)向，并且將這些輿情信息按照某種形式存儲起來，形成輿情本體，可以很好地支持后期的輿情分析。
　　目前主題識別多數(shù)以新聞網(wǎng)頁信息作為語料庫，因為新聞?wù)Z料格式規(guī)范，有具體的人物、事件發(fā)生時間、地點、發(fā)生何事這些要素。而輿情信息以各種形式如博客、貼吧等快速地傳播著。在基于輿情

2、信息的本體構(gòu)建時，多數(shù)方法采用領(lǐng)域相關(guān)度和一致度或者它們的改進方法進行領(lǐng)域本體概念的提取，第一，該方法提取的本體概念具有極強的領(lǐng)域性，且實驗語料庫都是靜態(tài)的、規(guī)范的。而輿情語料信息是跨領(lǐng)域的、時刻變化的，顯然該方法在輿情本體構(gòu)建時有一定的局限性。第二，將基于主題的輿情語料作為訓(xùn)練語料時，只抽取與主題相關(guān)的高頻詞，過濾低頻詞。某一概念最終只能屬于一個主題。但輿情語料是跨領(lǐng)域知識，一個詞可能會出現(xiàn)在多個主題中。
　　本文針對以上問題，

3、采用信息爬取技術(shù)收集熱點輿情文本信息，基于時間屬性結(jié)合特征詞的一些特點進行文檔特征詞抽取，建立空間向量，有效地發(fā)現(xiàn)內(nèi)容焦點發(fā)生遷移但屬于同一主題的網(wǎng)絡(luò)文本，并將其歸類。對識別后的主題文本提取名詞性詞匯或者短語作為候選概念集；根據(jù)語義相似度方法評估候選概念間的相關(guān)度，并對各概念的權(quán)值進行排序；結(jié)合詞頻變化的方法抽取與主題相關(guān)的核心概念。最后根據(jù)概念間已有的相關(guān)度，直接判斷概念間關(guān)系。若概念間有直接關(guān)聯(lián)，則這對概念具有一定的關(guān)系，結(jié)合不同方