針對確定話題的離散文本輿情聚類與可視化研究.pdf

1、隨著Web2.0的迅速發(fā)展，越來越多的網(wǎng)民習慣通過論壇(BBS)、博客(Blog)等網(wǎng)絡(luò)載體對一些事物或事件發(fā)表自己的觀點。這些存儲分散、觀點各異的離散文本(Discrete Text)構(gòu)成了一種包羅萬象的網(wǎng)絡(luò)輿情。對離散文本中所包含的情感極性進行定性定量分析，是掌握網(wǎng)民對相關(guān)事物或事件的態(tài)度和網(wǎng)絡(luò)輿情的重要途徑。在此基礎(chǔ)上，對隨時間變化的輿情進行聚類分析，并將其結(jié)果可視化，可以直觀地呈現(xiàn)輿情發(fā)展趨勢，這是許多領(lǐng)域共同關(guān)注的熱點問題。

2、
　　 綜上所述，以情感極性分析為線索、以聚類分析為依據(jù)、以觀點挖掘為策略、最終實現(xiàn)輿情分析之目標。
　　 目前，對中文文本的觀點挖掘研究較晚，很多基礎(chǔ)性工作仍然在進行中。針對網(wǎng)絡(luò)離散文本的輿情分析研究工作也僅處于起步階段，本文針對離散文本的特點，對離散文本進行輿情聚類分析。
　　 本文選取離散文本中的博客文本標題和摘要作為研究對象。博客文本情感表達豐富，并且其極性分布非常分散，因此獲得博客文本的核心語義或者集中

3、概念難度較大；而標題和摘要包含的情感詞較少，所表達的概念相對集中。因此選取博客搜索結(jié)果的標題和摘要作為最終研究對象是加速聚類收斂的重要措施。
　　 本文實驗主要分為博客文本輿情聚類分析和聚類結(jié)果評價兩個部分。其中，博客文本輿情聚類分析包含基于概念的輿情聚類分析模型和聚類結(jié)果可視化。本文通過改進傳統(tǒng)的向量空間模型(VSM)，引入詞語的概念，采用基于概念的向量空間模型來表示博客文本(標題和摘要)，提高文本表示精度。分別使用基于概念和

4、傳統(tǒng)的向量空間模型表示文本，采用k-means算法進行聚類分析，并可視化和評價聚類結(jié)果。其中傳統(tǒng)向量空間模型作為對比組來評價基于概念的輿情聚類分析模型性能。聚類結(jié)果評價采用Ground Truth模型，選取常用的三個度量精度(Precision)、熵(Entropy)和邊緣索引(Rand Index)來評價聚類結(jié)果。
　　 實驗證明基于概念的向量空間模型比傳統(tǒng)基于詞語的向量空間模型在離散文本輿情聚類上具有更好的性能。