基于詞向量高階復(fù)雜性的鏈路預(yù)測技術(shù)＊
——以礦產(chǎn)企業(yè)風險預(yù)警為例

趙雨恒 管 青 姜 馳

（中國地質(zhì)大學(xué)（北京）信息工程學(xué)院，北京 100083）

引言

為了獲得競爭優(yōu)勢，礦企從業(yè)人員必須及時了解并響應(yīng)大眾對礦產(chǎn)企業(yè)的輿論[1]。傳統(tǒng)的人工獲取大眾輿情的方法存在以下問題。

（1）大眾評價過度零碎且“個性化”

不一樣的礦產(chǎn)資源在需要量、經(jīng)濟收益等領(lǐng)域出現(xiàn)差別，公眾的評價趨向于“個性化”。高管需要每日核查公眾對各網(wǎng)站的評價，人工成本大，易出差錯。

（2）對關(guān)鍵輿論不夠的預(yù)警信息和追蹤

礦產(chǎn)資源開發(fā)設(shè)計存有一些漏洞，當要求提升時，資源進到一定時間時，一部分漏洞會加快曝露，并突發(fā)性新的漏洞[2]。通常會導(dǎo)致財產(chǎn)損失，乃至危害礦山開采生態(tài)體系的總體均衡。

（3）評論優(yōu)劣和大眾情緒難以得到客觀點評

手動式匯總和區(qū)別很有可能會因為信息內(nèi)容有誤而造成戰(zhàn)略決策不正確。

因為以上礦山公司搜集公眾評價的不夠，文中搜集某大型企業(yè)的“中國五礦”點評，運用數(shù)字模型和計算方式完成分析，發(fā)掘公眾對熱點話題的客觀感情發(fā)展趨勢，為礦產(chǎn)從業(yè)人員緊緊圍繞企業(yè)輿論給予安全可靠的根據(jù)。

一、本文思路和研究框架，如圖1所示

二、理論方法

1.文本表示

可依據(jù)不一樣的工作標準，Word2Vec可以設(shè)定最后單詞向量的層面[3]，結(jié)果單詞向量具備能加性，可以用來表明Word2Vec單詞向量的總數(shù)：vec（Actor）-vec（Actress）=vec（Man）-vec（Woman）Word2Vec中含有連續(xù)詞袋模型（CBOW）和Skip-gram。假設(shè)某個待推測的詞是wi，則其前后詞信息為Context（wi）={wi-c'…，wi-1'，wi+1，…，wi+c}其中C為前后單詞的個數(shù)，wi出現(xiàn)的概率可表示為P=P（wj|Context（wi））。

2.情感分析——知識工程法

知識工程法[4]必須事前搭建有收剖析的文本的各個領(lǐng)域的情感詞典。完成環(huán)節(jié)：即將研究的句子分成單詞，解析xml句子中的單詞，分辨單詞是不是發(fā)生在情感詞典中。統(tǒng)計分析評定詞典中產(chǎn)生的單詞和句子中的部位，各自開展水平詞解決和否定詞處理，并依據(jù)具體文本測算權(quán)重值。更細膩的情感趨向剖析要恰當解決文章內(nèi)容中的表情圖、感嘆句、反問句等。最終求合，獲得文章內(nèi)容的情感分值。

三、輿情文本的話題檢測

基于Word2Vec擴展的LDA的文本表示，假設(shè)礦產(chǎn)企業(yè)相關(guān)評論文本集由N篇評論文本{d1，d2，…，dN}組成，任一篇文本都包含k個主題{z1，z2，…，zK}，則礦產(chǎn)企業(yè)相關(guān)評論文本集D可表示為

在其中，ZjiZji等同于第i段文本中的第j段主題幾率，n相當于語料庫尺寸，即n篇文本。

與此同時，根據(jù)Skip-gram來練習詞向量，可以假定單詞空間向量維為K '。假如全部文本都包括M個詞{w1，w2，w3，…，wm}以及k特性，則文本就可以被表明出來。

實驗的訓(xùn)練集是采用了與“礦山公司”有關(guān)的16186篇評論性文章。本實驗較為了基于Word2Vec拓展的LDA+SKM、基 于Word2Vec拓 展 的LDA+優(yōu) 化SKM、Word2Vec+SKM、VSM+SKM、傳統(tǒng)式LDA+SKM，比對五組實驗結(jié)果，如表1所顯示。

表1 五種組合算法對比實驗評估結(jié)果

四、輿情文本情感分析

1.基于BosonNLP的情感詞典

BosonNLP全自動搭建成來源于新浪微博、新聞報道、社區(qū)論壇等數(shù)據(jù)庫的上百萬條情感標識數(shù)據(jù)信息。最先解決要研究的文本中文分詞，隨后反復(fù)文本中的每一個詞，在詞典中搜索該詞的情感分值，隨后累計文本中產(chǎn)生的全部詞的情感分值，假如在詞典中找不著文本中的詞，則算為零。全部文本都如上處理，獲得了持續(xù)的文本情感評定分值。

2.實驗方案

實驗數(shù)據(jù)選用“中國五礦”礦企的新浪微博等平臺的評論文本，文本預(yù)備處理后，12805個文本任意應(yīng)用2000個做為檢測集，剩余的10805個作為訓(xùn)練集。各自應(yīng)用BosonNLP和HowNet評定字典，依據(jù)礦山公司行業(yè)的詞開展拓展，對評論文本開展打分，確定最好閥值后，對全部文本開展評定進行情感歸類。如圖2所示。

上述3組對比實驗的實驗結(jié)果如表2所示。

表2 3組對比實驗評估結(jié)果

五、“中國五礦”企業(yè)輿情文本的實證研究

此項實證分析為各個平臺設(shè)計了專業(yè)的網(wǎng)絡(luò)爬蟲，每日手動式獲得全新的輿論數(shù)據(jù)信息。應(yīng)用Sqlalchemy庫文件的create_engine函數(shù)將數(shù)據(jù)庫連接到Python專用工具，提取“中國五礦”企業(yè)需要的評論文本。使用詞云可視化各平臺對同一個礦企的點評，屆時還可看到不同平臺對同一個礦企的評價。如圖3所示。

從圖4可以看得出，針對“中國五礦”礦企全部平臺的文本分析，全部平臺的評論中含有47%的負面評論。

對于話題檢驗方式與情感分析方式的融合非常清晰的反映在“中國五礦”企業(yè)的輿論文本分析中，這二者的運用合理緩解了礦企的輿論搜集和分析每日任務(wù)中具有的三個難點：

定向網(wǎng)絡(luò)爬蟲程序的開發(fā)設(shè)計一定程度解決了大家點評零碎、“個性化”產(chǎn)生的輿論信息收集耗費人力資源問題。從業(yè)者不需再手動式采集大眾評價，只需運作網(wǎng)絡(luò)爬蟲，將全部輿論文本定期升級儲存在數(shù)據(jù)庫系統(tǒng)中。

“重點輿論的預(yù)警和追蹤”問題一定程度上被整體話題檢測所解決。礦產(chǎn)從業(yè)者無須再人工制作歸納搜集的信息內(nèi)容，只用將全部評論文本鍵入到話題檢測方式進行練習，并自動聚類分析每個話題類型以及濃度值。

“企業(yè)優(yōu)劣和大眾情緒無法獲得客觀性點評”的問題一定程度上被整體情感分析所解決。從業(yè)人員不用看大眾評論來分辨情感趨向，只需將要研究的評論文本鍵入小型神經(jīng)網(wǎng)絡(luò)，就可自動檢索其情感趨向。

六、結(jié)語

本文使用基于Word2Vec的輿論分析與預(yù)測技術(shù)，開展輿論文本話題檢驗、輿論文本的情感分析，以＂中國五礦＂礦企為例子，為礦企給予了進行輿論分析和避開輿論風險的方法。