基于智能元搜索代理的企業(yè)網(wǎng)絡(luò)輿情危機預(yù)警

侯甜甜，陳培友

（黑龍江科技大學(xué)管理學(xué)院，哈爾濱150027）

一、引言

大數(shù)據(jù)環(huán)境下，人們需要精準(zhǔn)、智能的檢索工具。據(jù)美國數(shù)據(jù)公司IDC提供的調(diào)查數(shù)據(jù)顯示，在2013年全球網(wǎng)絡(luò)信息資源總量就已經(jīng)達到2.7萬億GB，并且持續(xù)飛速增長，預(yù)計到2023年全球數(shù)據(jù)總存儲量將達到135萬億GB，人們已然進入大數(shù)據(jù)時代。[1]人們無時無刻不在通過互聯(lián)網(wǎng)獲取各種信息，但是Internet上的信息通常以雜亂無序的形式分散在各個開放卻又相互獨立的節(jié)點中，其可利用性和可靠性是處在動態(tài)變化之中的，因此人們需要精準(zhǔn)、智能的檢索工具來應(yīng)對大數(shù)據(jù)所帶來的挑戰(zhàn)。而在大數(shù)據(jù)背景下，企業(yè)的網(wǎng)絡(luò)輿情危機日益凸顯，企業(yè)輿情是其形象和門面，它的傳播直接關(guān)系到企業(yè)的品牌塑造、產(chǎn)品銷量等等，它幾乎決定了企業(yè)的生死。有效的輿情傳播，在使消費者對于某企業(yè)的否定到認(rèn)可過程中所起到的作用是媒體廣告的九倍。[2]因此，對于企業(yè)來講，得“輿情”者得天下。搜索引擎一直是人們查找與定位互聯(lián)網(wǎng)數(shù)據(jù)信息的重要工具，但隨著網(wǎng)絡(luò)信息資源的極速增長與用戶信息搜索需求的不斷提高，傳統(tǒng)的搜索引擎自身存在的兩個弊端逐漸被放大。一是信息覆蓋率較低，二是傳統(tǒng)搜索引擎智能化水平較低。因此，要使用戶獲得較為全面而且準(zhǔn)確的信息，就得同時調(diào)用多個搜索引擎，然后將搜索信息進行整合。[3]而智能元搜索就在這樣的背景下應(yīng)運而生。

二、搜索引擎與智能元搜索

（一）搜索引擎的基本原理

目前，傳統(tǒng)搜索引擎的工作原理主要是：萬維網(wǎng)服務(wù)器利用“蜘蛛”程序定期搜索網(wǎng)頁信息；分析和歸檔收集的網(wǎng)頁，提取關(guān)鍵詞和設(shè)置索引標(biāo)記，并將其置入搜索引擎的索引數(shù)據(jù)庫。然后當(dāng)用戶輸入檢索的關(guān)鍵詞時，搜索引擎就會從索引數(shù)據(jù)庫中找到匹配該關(guān)鍵詞的網(wǎng)頁呈現(xiàn)給用戶。[4]然而，這些搜索引擎一般都存在幾個問題，例如，網(wǎng)絡(luò)搜索的覆蓋范圍是有限的、實現(xiàn)搜索率和準(zhǔn)確率都不高，這些容易導(dǎo)致用戶在搜集信息時會搜集到脫離其真實訴求的無關(guān)信息。很難滿足用戶的信息搜索需求。[5]

（二）智能元搜索引擎

智能元搜索引擎使搜索系統(tǒng)通過個性化和智能化引入大規(guī)模人工智能技術(shù)。這些技術(shù)包括基于網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)，用戶的個性化建模，成員搜索發(fā)動機動員政策技術(shù)，管理技術(shù)，文本分類，學(xué)習(xí)技術(shù)等等。同時，智能元搜索可以進行智能動態(tài)的調(diào)用決策，自動將用戶輸入的搜索請求遞交給最合適的搜索引擎來處理。不僅如此，智能元搜索還能夠通過不斷地學(xué)習(xí)來了解用戶的興趣、喜好，從而實現(xiàn)自動選取合適的獨立搜索引擎來進行信息搜索。此外，智能元搜索引擎還能夠自動對用戶輸入的關(guān)鍵詞所在的文本上下文環(huán)境來對關(guān)鍵詞的類別進行判斷，以達到最優(yōu)化的查詢效果。[6]基于智能元搜索對企業(yè)網(wǎng)絡(luò)輿情危機進行預(yù)警，就是因為面對海量的、動態(tài)的在線信息數(shù)據(jù)，智能元搜索引擎可以迅速完成網(wǎng)絡(luò)發(fā)布任務(wù)，同時能夠快速而準(zhǔn)確地搜索出那些不利于塑造企業(yè)良好輿情的負(fù)面信息，滿足企業(yè)智能化、個性化、多樣化和及時監(jiān)控的需求。

三、網(wǎng)絡(luò)輿情危機預(yù)警分析

（一）可行性分析

網(wǎng)絡(luò)輿情以各種形式表現(xiàn)出來，主要包括文本、圖片、音視頻等，而就當(dāng)前的技術(shù)而言，當(dāng)前最適合進行挖掘的數(shù)據(jù)形式仍以文本形式為主。尤其在一些論壇、微博、社區(qū)等評論性的網(wǎng)站，匯聚了大量的帶有情感傾向的文本信息。網(wǎng)絡(luò)輿情的本質(zhì)是一種輿情，而不是網(wǎng)絡(luò)中存在的具體的數(shù)據(jù)，因此必須通過廣泛的提取具有情感傾向的評論信息數(shù)據(jù)進行分析后才能得到結(jié)果。并且相對于其它的模型，輿情危機預(yù)警模型的準(zhǔn)確性、及時性尤為關(guān)鍵，要準(zhǔn)確地窺探出輿情危機、及時地進行輿情危機預(yù)警、有效地消除輿情危機。而智能元搜索技術(shù)能夠較為全面、快速地獲取有關(guān)信息或數(shù)據(jù)，鑒于這些優(yōu)點所以近些年智能元搜索技術(shù)進入了學(xué)者的視野并逐步得到重視。綜上可知，網(wǎng)絡(luò)中廣泛的評價信息給企業(yè)網(wǎng)絡(luò)輿情預(yù)警提供了豐富的信息資源，智能元搜索給輿情危機預(yù)警模型的建立提供了技術(shù)支持。因此建立基于智能元搜索引擎的企業(yè)網(wǎng)絡(luò)輿情危機預(yù)警模型，不僅具有現(xiàn)實需求的迫切性，同時也具有研究上的可行性。

（二）網(wǎng)絡(luò)輿情危機預(yù)警流程

本研究主要基于元搜索系統(tǒng)進行文本的格式及冗余處理及對搜索信息排序處理的基礎(chǔ)上進行分詞和信息的二次預(yù)處理，最終根據(jù)語料情感值的大小選擇是否進行預(yù)警。其中分詞采用中科院的ICT-CLAS2015中文分詞系統(tǒng)對其進行分詞。考慮到情感詞典的全面性與權(quán)威性，筆者選用大連理工大學(xué)情感詞匯本體庫，該情感詞典是建立在國外影響力較大的Ekman基礎(chǔ)之上的，并在其基礎(chǔ)上將情感詞典進行了更為細(xì)致的劃分。該情感詞典中將情感分為7大類21小類，共包含27467個情感詞，情感強度分為 1，3，5，7，9 五檔，9 表示強度最大，1 為強度最小。給定的詞典包括詞性、詞義數(shù)、情感分類、強度、極性值。每個詞在每一類情感下都對應(yīng)了一個極性。其中，0代表中性，1代表褒義，2代表貶義，情感分類以N開頭的為負(fù)面情感，以P開頭的為正面情感。

在該情感詞典的基礎(chǔ)上將代表中性的詞語忽略，褒義詞的強度不變，而貶義詞的情感強度記為原強度數(shù)值的相反數(shù)，這樣處理便于下面對采集語料的整體情感強度值進行計算。并且根據(jù)專家意見設(shè)定情感閾值為-5，即當(dāng)情感值低于-5時則會進行預(yù)警。一旦確定預(yù)警，則系統(tǒng)會自動從由知識管理（KM）和方案集構(gòu)成的知識庫中調(diào)取相應(yīng)的處理方案，現(xiàn)存知識庫中若存在較為合理的方案系統(tǒng)則會自動輸出該方案，然后反饋給用戶。否則，則人工研究并輸入新的可行方案，然后系統(tǒng)自動存入知識庫，為以后的決策作依據(jù)。整個模型形成一個良性的閉合回路。

（三）實例分析

使用中文元搜索引擎中最具代表性的“元搜”來進行企業(yè)信息的獲取試驗。以國內(nèi)較大的六家企業(yè)為例，其中3家電子企業(yè)，3家實體企業(yè)。得到有關(guān)企業(yè)信息排行前30條信息，通過兩次信息預(yù)處理后，分別對有關(guān)企業(yè)信息的分詞數(shù)、正負(fù)向情感詞條數(shù)、情感強度累加值以及是否達到閾值等指標(biāo)進行數(shù)據(jù)統(tǒng)計，得到如下處理結(jié)果。

表1 六家企業(yè)搜索信息處理數(shù)據(jù)分析表

如表1所示，分別統(tǒng)計每個企業(yè)的相關(guān)數(shù)據(jù)指標(biāo)，可以注意到正負(fù)向情感詞條數(shù)之和并不等于分詞數(shù)，這主要是由于即使對搜索到的企業(yè)信息進行了雙重預(yù)處理，但中文分詞系統(tǒng)在分詞時包含了大量中性詞條，這些詞條并沒有明顯的情感傾向，因此它們對于情感的強度累加值沒有影響。

四、結(jié)語

在互聯(lián)網(wǎng)時代，網(wǎng)絡(luò)輿情已成為企業(yè)獲取消費者對于其產(chǎn)品或服務(wù)滿意度的關(guān)鍵指標(biāo)，成為企業(yè)捕捉危機信息的主要來源。筆者運用智能元搜索技術(shù)，通過對不同企業(yè)的相關(guān)網(wǎng)絡(luò)信息進行篩選，并結(jié)合分詞系統(tǒng)與情感詞典的運用，對篩選出的網(wǎng)絡(luò)信息中具有情感傾向的內(nèi)容進行計算，通過兩種類別的六家企業(yè)進行驗證，并得出了其中三家企業(yè)存在著網(wǎng)絡(luò)輿情危機，這與實際狀況是相吻合的，因此證明了本文預(yù)警方法的有效性。

[1] Vesset D,Woo B,MorrisH D,et al.Worldwide big data technology and services 2012-2015 forecast.IDC Rep,2012,233-485.

[2] 孫 瑩.基于Web文本挖掘的企業(yè)輿情情感分類模型研究[D].武漢：華中師范大學(xué)，2013.

[3] 李紅梅.丁振國.周利華.基于Agent的智能元搜索引擎技術(shù)研究[J].計算機科學(xué)，2008(10)：90-93.

[4] 何友全，徐小樂.搜索引擎用戶接口設(shè)計[J].重慶理工大學(xué)學(xué)報：自然科學(xué)版，2010(9)：63-68.

[5] Wang Zhan-ping,Xiao Xiao.The Study on Early Warning of Online Public Crisis Based on Intelligent Meta search Engine[J].Fourth International Conference on Business Intelligence and Financial Engineering.2011(143)：9-13.

[6] 孫勁光，馬志芳，孟祥福.基于情感詞屬性和云模型的文本情感分類方法[J].計算機工程，2013(12)：211-215.