網(wǎng)絡(luò)輿情信息意見(jiàn)挖掘關(guān)鍵技術(shù)研究

陳麓屹 戴國(guó)勇 劉靜靜

摘 要： 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，各類(lèi)網(wǎng)絡(luò)新聞表達(dá)和信息傳遞的渠道越來(lái)越大，網(wǎng)絡(luò)輿情的傳播也更加迅速。該文對(duì)網(wǎng)絡(luò)輿情信息意見(jiàn)挖掘的關(guān)鍵技術(shù)進(jìn)行研究，通過(guò)對(duì)熱點(diǎn)事件提取、動(dòng)態(tài)主題庫(kù)的構(gòu)建、情感傾向分析這三個(gè)技術(shù)的分析研究，可以更好的監(jiān)控網(wǎng)絡(luò)輿情走向，確保網(wǎng)絡(luò)安全。

關(guān)鍵詞： 網(wǎng)絡(luò)輿情；熱點(diǎn)事件；動(dòng)態(tài)主題庫(kù)；情感傾向

【中圖分類(lèi)號(hào)】 G350 【文獻(xiàn)標(biāo)識(shí)碼】 A【文章編號(hào)】 2236-1879（2018）14-0009-01

1 引 言

當(dāng)今社會(huì)的主流媒體，如博客、微信、微博等網(wǎng)絡(luò)媒體，已經(jīng)被越來(lái)越多人使用，新聞或信息的傳播變得更加快速，輿論力量也越來(lái)越強(qiáng)大。從海量的、種類(lèi)繁雜的、數(shù)據(jù)信息多樣化的輿論信息中挖掘出有價(jià)值的信息，并對(duì)信息進(jìn)行分析，是目前進(jìn)行網(wǎng)絡(luò)輿情信息監(jiān)控，控制輿情走向的關(guān)鍵點(diǎn)。本文主要針對(duì)網(wǎng)絡(luò)輿情信息意見(jiàn)挖掘的關(guān)鍵技術(shù)進(jìn)行研究。

2 意見(jiàn)挖掘關(guān)鍵技術(shù)

該文主要從熱點(diǎn)事件提取、動(dòng)態(tài)主題庫(kù)的構(gòu)建、情感傾向分析這三個(gè)技術(shù)關(guān)鍵點(diǎn)進(jìn)行分析。

2.1 熱點(diǎn)事件提取。

熱點(diǎn)事件的提取可以采用文本聚類(lèi)算法：K-means[1]。在提取熱點(diǎn)事件中，主要進(jìn)行文本預(yù)處理、關(guān)鍵特征詞提取和聚類(lèi)模型的選擇。

文本預(yù)處理主要是對(duì)中文和英文進(jìn)行分詞操作[2]，并提取關(guān)鍵性文本，過(guò)濾無(wú)用文本，其中無(wú)用文本包括標(biāo)點(diǎn)符號(hào)、垃圾詞語(yǔ)以及無(wú)實(shí)際意義的助詞、介詞和連詞等。

關(guān)鍵特征詞提取，主要是獲取文本中出現(xiàn)頻率較高的句子以及詞語(yǔ)。可采用TF-IDF特征加權(quán)算法[3]，該算法可以通過(guò)計(jì)算句子的權(quán)重，評(píng)估出該句子在文本中的重要程度，再?gòu)倪x出的主題句中使用該算法計(jì)算關(guān)鍵詞語(yǔ)的權(quán)重，評(píng)估關(guān)鍵特征詞。

聚類(lèi)模型主要選擇K-means聚類(lèi)模型[4]，其中心思想是：選擇其中k個(gè)關(guān)鍵特征詞所代表的熱點(diǎn)事件，對(duì)k個(gè)熱點(diǎn)事件依次計(jì)算與其余頁(yè)面文本熱點(diǎn)事件的相識(shí)度，如果相識(shí)度超過(guò)閥值，就進(jìn)行熱點(diǎn)事件合并，否則，就將當(dāng)前頁(yè)面的文本作為新的熱點(diǎn)事件；該算法迭代進(jìn)行，對(duì)生成的新熱點(diǎn)事件進(jìn)行重新聚類(lèi)，直到找到特定個(gè)數(shù)的熱點(diǎn)事件。

2.2 動(dòng)態(tài)主題庫(kù)的構(gòu)建。

動(dòng)態(tài)主題庫(kù)主要是構(gòu)建一種樹(shù)形結(jié)構(gòu)的意見(jiàn)主題庫(kù)，第一層為根節(jié)點(diǎn)；第二層為意見(jiàn)類(lèi)型；第三層為包含意見(jiàn)主題的規(guī)則，每條規(guī)則由兩到三個(gè)同義詞組構(gòu)成，每個(gè)同義詞組中的詞語(yǔ)可以和其它同義詞組中的所有詞語(yǔ)進(jìn)行組合。動(dòng)態(tài)主題庫(kù)的構(gòu)建主要用來(lái)將網(wǎng)絡(luò)信息和動(dòng)態(tài)主題庫(kù)進(jìn)行匹配，提取出當(dāng)前網(wǎng)絡(luò)信息的主題類(lèi)型。

2.3 情感傾向分析。

情感傾向分析技術(shù)包含數(shù)據(jù)獲取、特征詞提取、情感詞庫(kù)的構(gòu)建，以及情感傾向的分析[5]。

數(shù)據(jù)獲?。和ㄟ^(guò)軟件抓取網(wǎng)絡(luò)信息，對(duì)獲取到的半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行過(guò)濾，刪除無(wú)用信息[6]，得到純文本信息。

特征詞提取：對(duì)獲取到的純文本信息進(jìn)行篩選，篩選出現(xiàn)頻率比較高的特征詞，并將篩選出的特征詞構(gòu)造特征詞本體，計(jì)算特征詞的語(yǔ)義相似度，構(gòu)建出語(yǔ)義共詞矩陣，對(duì)語(yǔ)義共詞矩陣進(jìn)行定量的聚類(lèi)分析。

情感詞庫(kù)的構(gòu)建：將具有情感傾向的詞，通過(guò)人工評(píng)定的方式，分別抽取出表達(dá)正面信息和表達(dá)負(fù)面信息的詞，并確定不同情感值的程度級(jí)別和強(qiáng)度，構(gòu)建出情感強(qiáng)度詞表；將情感程度與情感詞相搭配構(gòu)成情感詞庫(kù)，情感詞語(yǔ)搭配減弱型情感程度會(huì)減弱情感的強(qiáng)度，反之情感詞語(yǔ)搭配增強(qiáng)型情感程度會(huì)增強(qiáng)情感的強(qiáng)度。

情感傾向分析：抽取詞語(yǔ)特征和情感詞語(yǔ)，構(gòu)建本體[7]。將語(yǔ)句中的詞語(yǔ)匹配本體中的特征詞，將句子的特征詞映射到本體中相應(yīng)的特征上，匹配情感詞所在的語(yǔ)境，形成特征-情感詞組。最后對(duì)特征-情感詞組進(jìn)行判定，整理情感傾向，得出分析結(jié)果。

3 結(jié) 語(yǔ)

本文主要闡述了如何進(jìn)行網(wǎng)絡(luò)輿情信息的意見(jiàn)挖掘。首先通過(guò)文本聚類(lèi)算法進(jìn)行熱點(diǎn)事件的提取；然后構(gòu)建動(dòng)態(tài)意見(jiàn)主題庫(kù)，將提取出來(lái)的熱點(diǎn)事件與動(dòng)態(tài)意見(jiàn)主題庫(kù)的規(guī)則進(jìn)行匹配，獲取到熱點(diǎn)事件的主題類(lèi)型。最后都與熱點(diǎn)事件進(jìn)行情感傾向分析，分析出熱點(diǎn)事件的情感傾向和強(qiáng)度。以便能夠挖掘出有價(jià)值的信息，及時(shí)監(jiān)控輿論信息，保證網(wǎng)絡(luò)安全，維護(hù)社會(huì)穩(wěn)定。

參考文獻(xiàn)

[1] 王千，王成，馮振元，等 .K-means聚類(lèi)算法研究綜述[J].電子設(shè)計(jì)工程，2012（07）21-24.

[2] 劉 件，魏 程. 中文分詞算法研究[J]. 微計(jì)算機(jī)應(yīng)用，2008，29（ 8） ： 11-16.

[3] 韓敏，唐常杰，段磊，等 .基于TF-IDF相似度的標(biāo)簽聚類(lèi)方法[J].計(jì)算機(jī)科學(xué)與探索，2010（03）240-246.

[4] 芬芬 .基于概念和語(yǔ)義相似度的文本聚類(lèi)算法[J].計(jì)算機(jī)工程與應(yīng)用，2012（18）136.

[5] 李耀林 .面向評(píng)價(jià)對(duì)象的商品評(píng)論情感傾向性分析研究[D]. 杭州： 浙江工商大學(xué)， 2013.

[6] 胡昌平，胡吉明 .個(gè)性化服務(wù)中基于支持向量機(jī)的用戶興趣挖掘分析 [J]. 情報(bào)學(xué)報(bào)，2009，28 （ 4） ： 543-547.

[7] 朱禮軍，陶蘭，劉慧 .領(lǐng)域本體中的概念相似度計(jì)算[J]. 華南理工大學(xué)學(xué)報(bào)： 自然科學(xué)版，2004，32：147-150.