社交媒體中觀點(diǎn)信息分析與應(yīng)用.pdf

1、隨著社交媒體的日益普及，互聯(lián)網(wǎng)用戶越來(lái)越習(xí)慣于在社交媒體中評(píng)論話題、表達(dá)觀點(diǎn)。社交媒體用戶規(guī)模龐大，觀點(diǎn)涉及話題廣泛，使其成為包含大量針對(duì)流行話題的用戶觀點(diǎn)的寶貴資源庫(kù)。然而用戶表達(dá)觀點(diǎn)的方式多種多樣，使得社會(huì)媒體中的觀點(diǎn)文本呈現(xiàn)出碎片化、噪音多、非結(jié)構(gòu)化等特征。因此，在社交媒體中通過(guò)人工方式分析總結(jié)用戶觀點(diǎn)非常困難，如何借助計(jì)算的手段自動(dòng)地分析并總結(jié)出社交媒體全體用戶的觀點(diǎn)信息成為一個(gè)重要挑戰(zhàn)。本文主要研究社交媒體用戶觀點(diǎn)的自動(dòng)分析問(wèn)

2、題（包括觀點(diǎn)挖掘和整合集成），希望能對(duì)用戶在社交媒體上就所關(guān)注話題發(fā)表的大量觀點(diǎn)進(jìn)行建模，并基于此模型進(jìn)一步對(duì)社交媒體中用戶行為進(jìn)行分析。
　　為了對(duì)問(wèn)題進(jìn)行系統(tǒng)地研究，本文將問(wèn)題分解為觀點(diǎn)分析與基于觀點(diǎn)的行為分析，其中觀點(diǎn)分析又由情感知識(shí)的抽取、觀點(diǎn)文本情感極性分類、用戶觀點(diǎn)集成三部分組成。本文的主要貢獻(xiàn)如下：
　　?中文情感詞典的抽取和構(gòu)建：目前常見(jiàn)的情感詞典基本都是英文詞典，這些詞典在英文觀點(diǎn)文本識(shí)別、極性分類等任務(wù)中

3、起到了重要作用，是進(jìn)行觀點(diǎn)分析的基礎(chǔ)。中文情感詞典抽取和構(gòu)建方法研究相對(duì)較少，還沒(méi)有形成比較全面可靠的情感詞典?？咳斯?biāo)注形成的情感詞典對(duì)時(shí)間和人力要求較高，但是詞語(yǔ)覆蓋度偏低，因此需要研究自動(dòng)構(gòu)建情感詞典的方法。本文根據(jù)不同語(yǔ)言間表達(dá)情感知識(shí)的詞匯間對(duì)應(yīng)性，使用HowNet語(yǔ)義知識(shí)庫(kù)轉(zhuǎn)化英文情感詞典的情感知識(shí)，抽取對(duì)應(yīng)的中文情感詞匯并計(jì)算情感極性值，自動(dòng)構(gòu)建了中文情感詞典SentiHowNet。為了提高詞典的覆蓋度以及領(lǐng)域適應(yīng)性，本文

4、分析驗(yàn)證了基于語(yǔ)料資源中連詞語(yǔ)言規(guī)則和上下文統(tǒng)計(jì)特征的情感詞典擴(kuò)展方法，并提出了混合方法對(duì)SentiHowNet在領(lǐng)域語(yǔ)料內(nèi)進(jìn)行擴(kuò)展。使用本文方法得到的中文情感詞典可以自動(dòng)構(gòu)建無(wú)需人工標(biāo)注，與現(xiàn)有中文情感詞典相比，覆蓋度和領(lǐng)域適應(yīng)性更好。
　　?基于特征空間劃分的情感極性分類：對(duì)于情感極性分類問(wèn)題來(lái)說(shuō)，不同情感詞表達(dá)情感的作用范圍、使用語(yǔ)境存在一定的差別，有些詞語(yǔ)能在不同領(lǐng)域和語(yǔ)境中表達(dá)不變的情感極性，而有些詞語(yǔ)只有在特定的領(lǐng)域和

5、語(yǔ)境中才能表達(dá)特定的情感極性。因此，本文提出了將特征空間劃分為領(lǐng)域獨(dú)立和領(lǐng)域依賴兩部分的情感極性分類方法，該方法分別在兩部分特征空間上訓(xùn)練分類器，然后將兩個(gè)分類器組合在一個(gè)框架中形成一個(gè)更強(qiáng)的情感極性分類器，框架從現(xiàn)成的成語(yǔ)詞典和遠(yuǎn)程監(jiān)督數(shù)據(jù)資源開始，使用自舉式迭代機(jī)器學(xué)習(xí)方法，可以在無(wú)需標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練情況下達(dá)到有監(jiān)督機(jī)器學(xué)習(xí)方法的性能。
　　?用戶觀點(diǎn)的集成建模：社交媒體中用戶產(chǎn)生的內(nèi)容往往是短小而又分散的非結(jié)構(gòu)化信息，用戶在

6、這些非結(jié)構(gòu)化的短文本中表達(dá)的觀點(diǎn)也呈現(xiàn)出碎片化的特點(diǎn)。為了能夠全面準(zhǔn)確地了解用戶的觀點(diǎn)，本文提出了用戶主觀模型的概念，將用戶產(chǎn)生內(nèi)容中所關(guān)注的話題以及用戶針對(duì)話題的觀點(diǎn)組合在一起進(jìn)行建模，并將觀點(diǎn)按照話題的不同方面進(jìn)行整合集成，在此基礎(chǔ)上提出一種新的可擴(kuò)展觀點(diǎn)表示方法，將同一話題的觀點(diǎn)表示為在一個(gè)可擴(kuò)展的情感值空間的分布，這種表示能夠表達(dá)出用戶多視角下更詳細(xì)的觀點(diǎn)信息。
　　?用戶交互行為分析：作為用戶主觀模型的直接應(yīng)用，本文對(duì)用

7、戶在社交媒體中信息傳播行為的主觀動(dòng)機(jī)進(jìn)行建模分析。針對(duì)Twitter中用戶轉(zhuǎn)發(fā)信息的三種常見(jiàn)動(dòng)機(jī)，即對(duì)內(nèi)容的興趣、社交的需要、對(duì)流行的興趣三種動(dòng)機(jī)通過(guò)用戶主觀模型進(jìn)行定量分析。使用三個(gè)主觀相似性計(jì)算方法進(jìn)行度量。通過(guò)對(duì)轉(zhuǎn)發(fā)行為的分析發(fā)現(xiàn)，三種主觀相似性與轉(zhuǎn)發(fā)行為都具有相關(guān)性，能夠作為轉(zhuǎn)發(fā)行為預(yù)測(cè)的有效特征，并能顯著提高現(xiàn)有預(yù)測(cè)模型的性能。
　　在對(duì)以上四個(gè)觀點(diǎn)分析與應(yīng)用研究任務(wù)中，本文側(cè)重于使用通用的魯棒性好的無(wú)監(jiān)督或弱監(jiān)督方法，