面向主題的輿情本體概念及關(guān)系的抽取研究.pdf

1、隨著網(wǎng)絡(luò)的快速發(fā)展，輿情信息會(huì)以某個(gè)或者某些主題形式為中心不斷地傳播，但傳播重點(diǎn)也在不斷地更改?？焖儆行У匕l(fā)現(xiàn)相關(guān)遷移的焦點(diǎn)內(nèi)容，有助于相關(guān)部門更好的掌握并分析輿情導(dǎo)向，并且將這些輿情信息按照某種形式存儲(chǔ)起來(lái)，形成輿情本體，可以很好地支持后期的輿情分析。
　　目前主題識(shí)別多數(shù)以新聞網(wǎng)頁(yè)信息作為語(yǔ)料庫(kù)，因?yàn)樾侣務(wù)Z料格式規(guī)范，有具體的人物、事件發(fā)生時(shí)間、地點(diǎn)、發(fā)生何事這些要素。而輿情信息以各種形式如博客、貼吧等快速地傳播著。在基于輿情

2、信息的本體構(gòu)建時(shí)，多數(shù)方法采用領(lǐng)域相關(guān)度和一致度或者它們的改進(jìn)方法進(jìn)行領(lǐng)域本體概念的提取，第一，該方法提取的本體概念具有極強(qiáng)的領(lǐng)域性，且實(shí)驗(yàn)語(yǔ)料庫(kù)都是靜態(tài)的、規(guī)范的。而輿情語(yǔ)料信息是跨領(lǐng)域的、時(shí)刻變化的，顯然該方法在輿情本體構(gòu)建時(shí)有一定的局限性。第二，將基于主題的輿情語(yǔ)料作為訓(xùn)練語(yǔ)料時(shí)，只抽取與主題相關(guān)的高頻詞，過(guò)濾低頻詞。某一概念最終只能屬于一個(gè)主題。但輿情語(yǔ)料是跨領(lǐng)域知識(shí)，一個(gè)詞可能會(huì)出現(xiàn)在多個(gè)主題中。
　　本文針對(duì)以上問(wèn)題，

3、采用信息爬取技術(shù)收集熱點(diǎn)輿情文本信息，基于時(shí)間屬性結(jié)合特征詞的一些特點(diǎn)進(jìn)行文檔特征詞抽取，建立空間向量，有效地發(fā)現(xiàn)內(nèi)容焦點(diǎn)發(fā)生遷移但屬于同一主題的網(wǎng)絡(luò)文本，并將其歸類。對(duì)識(shí)別后的主題文本提取名詞性詞匯或者短語(yǔ)作為候選概念集；根據(jù)語(yǔ)義相似度方法評(píng)估候選概念間的相關(guān)度，并對(duì)各概念的權(quán)值進(jìn)行排序；結(jié)合詞頻變化的方法抽取與主題相關(guān)的核心概念。最后根據(jù)概念間已有的相關(guān)度，直接判斷概念間關(guān)系。若概念間有直接關(guān)聯(lián)，則這對(duì)概念具有一定的關(guān)系，結(jié)合不同方