社交媒體知識圖譜構建和知識推理的關鍵技術研究

陳學楷　譚策　劉湉　吳正己

摘 ?要：隨著社交媒體的發(fā)展，網絡平臺的言論逐漸趨于個體化，因此準確識別一個人對某話題的言論是否有夸大或偏激的成分便顯得尤為重要。傳統(tǒng)的社交媒體情感分析依靠詞袋模型來表現(xiàn)言論積極或消極的態(tài)度，這樣的方法往往會因每個人的用詞習慣的不同而變得有失偏頗。對某人話語是否偏激的推理主要依靠對每個個體長期以來的用詞習慣來進行判斷。因此，本文提出了基于知識圖譜和PageRank聯(lián)合的偏頗性預測模型，為每個詞定義了偏頗性分數(shù)，對判斷言論是否存在一定的水分提供了重要依據。實驗結果表明，文本的偏頗性得分在一定程度上確實可以判斷用戶的語言表達偏頗情況。

關鍵詞：知識圖譜PageRank偏頗性分析情感推理

1.引言：

相對于電視廣播、紙質報刊這類傳統(tǒng)媒體來說，互聯(lián)網無論從影響力還是輿論動員力方面都比傳統(tǒng)媒體更加有力，然而社交媒體上的言論往往因為其龐大的信息量以及用戶言論的片面性使得信息的水分過高，因此需要良好的識別系統(tǒng)來加以判定和篩選。而知識圖譜在自然語言處理方面的角色更像是一個數(shù)據庫，提供著記憶信息、提供信息的功能。構建完善的知識圖譜有利于發(fā)現(xiàn)詞與詞之間人們有時意識不到的數(shù)值關系，從而在自然語言處理中發(fā)揮重要作用。本次實驗就是圍繞知識圖譜的構建方法開始的。

2.相關研究

從技術層面來看，知識圖譜構建技術在本質上要解決的問題是數(shù)據之間潛在關系的預測和知識之間關系推理。學術組織很早就關注了知識圖譜相關技術的研究。1989年，第一屆國際知識表示和推理國際會議（The First International Conference on Principles of Knowledge Representation and Reasoning）的召開，推動了知識表示和推理理論和技術的研究。2012年，谷歌公司發(fā)布了基于語義搜索的項目Knowledge Graph，使得萬維網由基于數(shù)據鏈接的網絡逐步進化為鏈接知識的網絡。

知識圖譜推理是根據已知的實體之間關系推測實體之間的潛在關系，從而給知識圖譜增加新的事實。PageRank是一種基于圖模型的結點重要性排序方法，通常在搜索引擎中對網頁鏈接的重要性權衡中發(fā)揮著很大的作用。本文將使用PageRank算法的變形對生成的知識圖譜進行知識推理，并嘗試用推理后構建出的圖譜來預測文本的情感特征，檢驗推理圖譜的可靠性。

情感分析的方法主要可分為基于情感詞典的情感分析方法和基于機器學習的情感分析方法?；谇楦性~典的情感分析是從待測文本中提取特征詞后，在情感詞典中查找該特征詞的情感值，根據累加的情感值進行情感分類的方法[2]。在情感詞典的選擇上，一般有兩種方式：一種是引用已有的情感詞典，如HowNet詞典、SentiWordNet、Inquirers等;另一種是通過研究數(shù)據自行構建詞典，如R.Feldman等學者在已有的情感詞典基礎上，利用部分人工標注和Bootstrapping的方式提取情感詞[1]。由于美國最早的社交媒體情感分析就是基于Twitter的社交媒體數(shù)據開展的，因此本文將采用針對Twitter平臺已有的且準確率較高的情感分析詞典SentiWordNet進行知識推理和話語的偏頗性判別。

3.正文

3.1實驗準備

3.1.1實驗數(shù)據集

本實驗采用情感詞典SentiWordNet_3.0.0來進行文本中詞語積極性和消極性的匹配和提取，應用于Twitter用戶名為METGALA、archie、best dressed三人的推文中來生成用戶主體依賴的知識圖譜。

下載鏈接：

推文：https：//download.csdn.net/download/zzhaier/6640081

情感詞典：https：//download.csdn.net/download/zzhaier/6640081

3.1.2評價標準

由于句子的情感表述無法通過準確率召回率等指標進行定量衡量，因此我們對最終的結果進行了人工評價，具體例子可以在3.2.3的部分看到。

3.2實驗過程

本篇文章大體步驟可分為三個部分，首先依據情感詞典和Twitter中用戶的話語來構建詞與詞之間的情感關系，生成一個兩種極性詞語全連接的龐大的雙向圖網絡。其次改進PageRank算法利用詞之間的雙向關系計算每個詞正向和逆向的偏頗值，給每個結點重新賦值。最后用新的推理圖譜，以詞語偏頗性代數(shù)和的結果判斷話語是否偏頗或過激。

3.2.1知識圖譜構建

現(xiàn)代知識圖譜通常使用W3C Resource Description Framework（RDF）[Cyganiak et al.，2014]這一用于存儲實體及其關系的基于圖的數(shù)據模型，標準RDF以三元組（subject，predicate，object）（SPO）來表示事實。在本篇論文中，我們將predicate視作一種相關性的表示，這種相關性用權重值Weight來表示，Weight的值越大，subject與object的情感對立性越強，反之則越弱，最終用三元組（subject，Weight，object）來表示。假設我們用符號L表示某一篇推文，li表示隸屬于L的每一個句子，對于句中任意的兩個詞Si和Ti，他們之間的Weight計算公式可如下表示：

其中，若Si與Ti同為積極性詞或同為消極性詞，則二者之間的Weight將較小，即對立性弱，反之若Si和Ti為不同類情感，則二者Weight較大，對立性強。

依照用戶話語生成用三元組表示的圖模型，用所有Weight的平均值為界限，將值較大的表示為紅色，較小的表示為綠色，線條越粗表示距均值越遠，用可視化圖片表示出來如下：

以使用頻率較高的love一詞舉例，該用戶使用的與love對立性最強的詞是never，最弱的詞（也是情感較為相近的詞）是honored。

3.2.2知識推理

目前，我們已經生成了一個詞匯網絡，下一步就是給每個節(jié)點的詞重新賦值。首先我們以Weight的均值為中心點對Weight進行了數(shù)據規(guī)約。而后，根據PageRank的圖理論原理，我們對每個結點的值采用如下計算方法：

其中，Bu表示所有結點的集合，w+（i，j）和w-（i，j）分別表示連接到結點i的所有正Weight值和負Weight值，W+（j）和W-（j）分別表示與結點i相連的每個結點j的正Weight值之和及負Weight值之和。PR+（u）和PR-（u）分別代表與結點i相連的每個結點j的正Weight加權出度值之和與負加權出度值之和。為了更方便描述，以下圖為例，假設圖結構中只有四個結點A，B，C，D，則PR（A）、PR（B）、PR（C）、PR（D）計算方法如下：

PR（A）=0–[W2/（W2+W3）+W1/W1]

PR（B）=[W4/W4+W5/W5]-W1/（W1+W2）

PR（C）=W4/（W4+W5）-[W2/（W1+W2）+W3/W3]

PR（D）=W3/（W2+W3）-W5/（W4+W5）

這里如果假設W2的值較高，即A點和C點在情感得分方面有著很強的關聯(lián)性，則PR（A）和PR（C）的值將會變小，同時，與C存在對立關系的B點的PR（B）將會變大，也就是說，兩個同為積極情感的詞若總是同時出現(xiàn)，則該用戶平時的推文表現(xiàn)應為平和正面的，而語句中一旦出現(xiàn)與其相反的消極詞匯，該模型將會指出這條語句的偏頗性較大，且偏頗值會隨著消極詞匯的增多而增大;但等到該用戶頻繁使用消極詞匯時，偏頗性又會減小。這與我們預想的效果基本一致。

3.2.3話語偏頗性判定

由于知識圖譜是根據某個人長期以來的話語文本和用詞習慣創(chuàng)建而來的，因此，在運用時，可作為這個特定的Twitter用戶話語偏頗性的重要評判依據，為了檢驗此知識推理的效果，在生成的知識圖譜中查找句中每個特征詞的偏頗性分值，根據累加進行有無偏頗的判斷，公式如下：

由于句子的偏頗性都是相對而言的，單獨計算出的Bia值在判斷是否過激的層面上沒有意義，因此待每句話都算出各自的Bia之后，對所有的值進行向0-1之間的歸一化映射，便于我們查看和評判。

實驗效果如下表所示：

可以看出，第一句話為積極話語，第二句話為消極話語，情感值反差較大，但偏頗值相似，第三句話由于all單詞的情感詞積極性值過高，其他詞語全部中立，因此情感值較高，但經過偏頗性評價，偏頗值大于0.5，發(fā)現(xiàn)此話語異常于平時的表達方式，在此判別為過激語句，經過仔細的人工分析其情感，發(fā)現(xiàn)也基本符合判斷。

但同時與人工評價相比對，該模型評價偏頗話語的錯誤率也達到了48%，僅僅比隨機預測效果好一點有限。

4.結論

本篇文章中設計了一個針對Twitter用戶的知識圖譜，該圖是一個帶權無向圖，其權重是根據用戶話語的情感詞的值之差計算得到的。而后將此無向圖視做一個雙向圖，我們設計了一個由PageRank改進來的結點值的靜態(tài)計算方法來定義結點詞語的偏頗性。最后為了檢驗我們的設想是否合理，運用數(shù)據集中未加入訓練的10%的數(shù)據挑選進行測試，證明了我們的研究是有一定意義的。

5.思考和展望

知識圖譜的構建技術是人工智能研究領域的一個前沿課題，此課題以知識工程、社交網絡、機器學習等領域的關鍵技術為支撐，這些領域涌現(xiàn)出的最新研究成果為知識圖譜的研究提供了新的研究思路和方法。本篇文章用于構建知識圖譜的數(shù)據量相對而言也非常小，實體關系刻畫也較為簡單，還尚不足以發(fā)揮知識圖譜的強大作用。情感分析中評價言論是否過激這一方面由于實際上因人而異。很難統(tǒng)一用一套標準來衡量所有人的過激言論，因此這一方面仍存在著可研究的地方，不排除需要培養(yǎng)機器“終身學習”的可能性，這將是存儲資源飛速發(fā)展的時代帶給人的新一種可能。

參考文獻

[1] ?易順明，周洪斌，周國棟.Twitter推文與情感詞典SentiWordNet匹配算法研究[J].南京師范大學學報（工程技術版），2016，16（03）：41-47+53.

[2] ?趙常煜，吳亞平，王繼民.“一帶一路”倡議下的Twitter文本主題挖掘和情感分析[J/OL].圖書情報工作：1-9[2020-04-21]

[3] ?平健舟.基于商業(yè)知識圖譜的新聞輿情系統(tǒng)設計與實現(xiàn)[D].北京郵電大學，2019.

[4] ?Wei Chen，Xiao Zhang，Tengjiao Wang，等.Opinion-aware Knowledge Graph for Political Ideology Detection[C]//Twenty-Sixth International Joint Conference on Artificial Intelligence.2017.