葉又銘 蔣杰

【摘 要】目前高中生填報(bào)高考專業(yè)具有很大的盲目性，導(dǎo)致對(duì)未來(lái)的職業(yè)發(fā)展和人才培養(yǎng)質(zhì)量產(chǎn)生不良影響。為解決該問(wèn)題，本文基于一個(gè)主題情感混合最大熵LDA模型，對(duì)高校專業(yè)在線評(píng)論進(jìn)行細(xì)粒度觀點(diǎn)挖掘，獲取相關(guān)主題（專業(yè)）的情感極性，生成細(xì)粒度的主題情感摘要，為高中生的專業(yè)選擇提供有價(jià)值的指導(dǎo)信息，實(shí)驗(yàn)驗(yàn)證了本文所提出理論的有效性。

【關(guān)鍵詞】LDA模型 細(xì)粒度觀點(diǎn)挖掘 專業(yè)選擇 情感摘要

高中畢業(yè)生填報(bào)高考專業(yè)志愿的過(guò)程是對(duì)未來(lái)職業(yè)生涯發(fā)展規(guī)劃做出重要職業(yè)決策的過(guò)程，它關(guān)系到學(xué)生個(gè)人的發(fā)展，也關(guān)系到社會(huì)對(duì)專業(yè)人才的需求。另外，每個(gè)大學(xué)都有自己的辦學(xué)特色和優(yōu)勢(shì)專業(yè)，能否恰當(dāng)選擇心儀學(xué)校的特色專業(yè)會(huì)影響考生未來(lái)的職業(yè)發(fā)展前途，同時(shí)也會(huì)對(duì)高校招生生源素質(zhì)及培養(yǎng)人才質(zhì)量產(chǎn)生影響[1]。

每年高考成績(jī)公布與志愿填報(bào)之間的時(shí)間非常短，高中畢業(yè)生需要在短短的幾天內(nèi)對(duì)自己的專業(yè)填報(bào)做出決策[2]。而此時(shí)高中生正處于從少年階段向青年階段過(guò)渡的時(shí)候，自我認(rèn)知不明，在面臨高考專業(yè)選擇這種重大決策時(shí)，容易盲目和無(wú)所適從，進(jìn)而做出倉(cāng)促選擇，很多學(xué)生選擇了心儀學(xué)校的不滿意專業(yè)，這樣可能會(huì)導(dǎo)致在進(jìn)入大學(xué)后出現(xiàn)對(duì)所選專業(yè)感到后悔并產(chǎn)生厭學(xué)情緒[3]。

一項(xiàng)北京某高校的調(diào)查顯示，在接受調(diào)查的840名大學(xué)生中，有42.1%的學(xué)生對(duì)所學(xué)專業(yè)不滿意，如果可以重新選擇專業(yè)，有65.5%的學(xué)生表示將另選專業(yè)；有研究表明，大約50%的美國(guó)大學(xué)生最終都調(diào)整了他們的專業(yè)方向[2]。產(chǎn)生這種現(xiàn)象的主要原因有兩個(gè)：（1）大學(xué)生的心理發(fā)育比中學(xué)時(shí)期更加成熟和穩(wěn)定，自我認(rèn)知更加清晰；（2）在大學(xué)特定的生活和學(xué)習(xí)環(huán)境下，大學(xué)生的獨(dú)立個(gè)性和認(rèn)知水平得到發(fā)展，會(huì)對(duì)先前盲目做出的專業(yè)選擇進(jìn)行重新思考。

因此，與高中生相比，高校學(xué)生對(duì)專業(yè)結(jié)構(gòu)和學(xué)校特色有著更深刻的認(rèn)識(shí)，從他們那里獲取高考專業(yè)選擇的相關(guān)觀點(diǎn)會(huì)對(duì)高考志愿填報(bào)產(chǎn)生積極的影響[4]，因此對(duì)高校學(xué)生關(guān)于專業(yè)選擇的在線評(píng)論進(jìn)行觀點(diǎn)挖掘和分析具有一定的研究意義。

網(wǎng)絡(luò)在線評(píng)論中，評(píng)價(jià)者通常會(huì)對(duì)學(xué)校不同專業(yè)持有不同的情感傾向，而參考者更希望獲取每個(gè)學(xué)校具體專業(yè)方面有價(jià)值的評(píng)價(jià)，只有使用細(xì)粒度的觀點(diǎn)挖掘方法和模型進(jìn)行分析，從詞語(yǔ)級(jí)別進(jìn)行更細(xì)化的情感分類[5]，才能挖掘更深層次的觀點(diǎn)來(lái)滿足高考專業(yè)選擇的實(shí)際應(yīng)用需求。

近年來(lái)，很多學(xué)者將LDA（Latent Dirichlet Allocation）模型應(yīng)用到觀點(diǎn)挖掘領(lǐng)域，標(biāo)準(zhǔn)LDA模型要加以改進(jìn)后才能用于細(xì)粒度觀點(diǎn)挖掘[6]。文獻(xiàn)[5]在綜合以上模型優(yōu)點(diǎn)的基礎(chǔ)上提出主題情感混合最大熵LDA模型，通過(guò)在傳統(tǒng)LDA模型中加入最大熵組件來(lái)區(qū)分背景詞、特征詞和觀點(diǎn)詞，并對(duì)特征詞和觀點(diǎn)詞進(jìn)行局部和全局的劃分，在主題層和單詞層之間加入情感層，實(shí)現(xiàn)詞語(yǔ)級(jí)別的細(xì)粒度情感分析，獲取每個(gè)主題的情感極性。該模型克服了標(biāo)準(zhǔn)LDA詞袋模型的不足，充分利用了詞的位置和語(yǔ)義信息，將主題和情感分析細(xì)化到詞語(yǔ)級(jí)別，提高了觀點(diǎn)挖掘的精確度，可以為參考者提供更有實(shí)用價(jià)值的反饋信息。

本文擬采用TSH MaxEnt-LDA模型對(duì)高校關(guān)于專業(yè)的在線評(píng)論進(jìn)行細(xì)粒度觀點(diǎn)挖掘，為高考畢業(yè)生的專業(yè)選擇提供有價(jià)值的指導(dǎo)信息，幫助他們對(duì)未來(lái)職業(yè)發(fā)展規(guī)劃做出更準(zhǔn)確的決策。

1 模型描述

TSH MaxEnt-LDA模型的生成過(guò)程描述如下[5]：

1.1 對(duì)一個(gè)語(yǔ)料庫(kù)

（1）得出單詞分布Φ～ Dir（β）（背景詞：ΦB，全局特征詞：ΦA(chǔ)，g，全局觀點(diǎn)詞：ΦO，g，局部特征詞：{ΦA(chǔ)，t，s}， 局部觀點(diǎn)詞：{ΦO，t，s}（s=0，1 t=1，.....，T），

（2）得出詞型分布ρ ～ Beta（η）；

1.2 對(duì)語(yǔ)料庫(kù)中每一篇文檔d

（1）得出文檔的主題分布θd ～Dir（α），

（2）對(duì)文檔中每個(gè)主題z，得出對(duì)應(yīng)情感分布πd，z～Beta（γ）；

1.3 對(duì)文檔d中每個(gè)句子m

（1）選擇對(duì)應(yīng)主題zd，m，其中zd，m～ Multinomial（θd），

（2）對(duì)給定主題zd，m，選擇其對(duì)應(yīng)情感sd，m，z，其中sd，m，z～Bernoulli（πd，z）；

1.4 對(duì)句子m 中每個(gè)詞n （wd，m，n）

（1）得出單詞wd，m，n 對(duì)應(yīng)的主題zd，m和情感sd，m，z，它與所在句子具有相同的主題和情感，

（2）選擇對(duì)應(yīng)詞型ud，m，n，其中ud，m，n～ Bernoulli（ρ），

（3）選擇對(duì)應(yīng)詞類yd，m，n，其中yd，m，n～ Multinomial（xd，m，n），

（4）wd，m，n 的對(duì)應(yīng)分布如下：

。

TSH MaxEnt-LDA模型的假設(shè)前提為：1.每個(gè)句子只屬于一種主題和情感，每個(gè)單詞和所在句子有著相同的主題和情感；2.在情感分類中只考慮正向和負(fù)向兩種情感極性，通過(guò)計(jì)算取概率值大的那個(gè)極性值。TSH MaxEnt-LDA模型是在詞語(yǔ)級(jí)別產(chǎn)生情感和主題標(biāo)簽，粒度更細(xì)，進(jìn)而獲取每個(gè)主題的情感極性，生成細(xì)粒度主題情感摘要，它采用Gibbs采樣來(lái)估計(jì)模型中的相關(guān)參數(shù)ρ， θ， π and Φ，進(jìn)而計(jì)算得到第d篇文檔中每個(gè)詞的主題和情感標(biāo)簽[5]。

本文在熱點(diǎn)貼吧和高校論壇上采集了關(guān)于學(xué)校專業(yè)的評(píng)論作為研究的語(yǔ)料庫(kù)，基于TSH MaxEnt-LDA模型，關(guān)于專業(yè)選擇的在線評(píng)論對(duì)應(yīng)術(shù)語(yǔ)描述如下：

語(yǔ)料庫(kù)中的所有評(píng)論涉及到的專業(yè)總數(shù)為T(mén)，對(duì)應(yīng)于模型中的主題；語(yǔ)料庫(kù)中每一篇文檔d∈D，它都是關(guān)于某個(gè)高校相關(guān)專業(yè)的評(píng)論，是由T個(gè)主題（專業(yè)）按照一定比例混合而成。在評(píng)論中對(duì)每個(gè)主題（專業(yè)）都具有一定的情感傾向。

對(duì)本文中所研究的高校專業(yè)評(píng)論語(yǔ)料庫(kù)，對(duì)任一文檔d∈D，TSH MaxEnt-LDA模型下相關(guān)的Gibbs采樣過(guò)程如圖1所示，通過(guò)文獻(xiàn)[5]中相關(guān)采樣估計(jì)和條件概率公式，可以得到本語(yǔ)料庫(kù)所有文檔中詞的主題和情感標(biāo)簽，在此基礎(chǔ)上獲取每個(gè)主題（專業(yè)）的情感極性，生成細(xì)粒度主題情感摘要。

2 實(shí)驗(yàn)

本文實(shí)驗(yàn)采用的語(yǔ)料數(shù)據(jù)來(lái)自百度貼吧、校園BBS、考研論壇等信息門(mén)戶中對(duì)華中師范大學(xué)專業(yè)學(xué)科的在線評(píng)論，其中大部分為心理學(xué)、教育學(xué)、計(jì)算機(jī)科學(xué)等學(xué)科的評(píng)價(jià)內(nèi)容。實(shí)驗(yàn)中手動(dòng)整理了273篇評(píng)論，約1470條句子，采用中國(guó)科學(xué)院計(jì)算技術(shù)研究所提供的漢語(yǔ)詞法分析系統(tǒng)ICTCLAS進(jìn)行分詞。實(shí)驗(yàn)中Gibbs采樣參數(shù)設(shè)置如下：迭代次數(shù)=500，α=30/T，β=0.1，γ=1，η=0.5，τ=1，主題數(shù)目T設(shè)置為7。

實(shí)驗(yàn)過(guò)程如下：首先對(duì)詞性和詞類進(jìn)行分析，區(qū)分出全局和局部的特征詞與情感詞，在此基礎(chǔ)上進(jìn)行主題與情感極性分析，最后生成細(xì)粒度主題情感摘要，并將聚類結(jié)果歸為三個(gè)主題：心理學(xué)，教育學(xué)，計(jì)算機(jī)科學(xué)，按照情感的正負(fù)極性，列出每一主題下出現(xiàn)頻率最高且十分具有代表性的局部特征詞與情感詞，其中P代表正向情感，N代表負(fù)向情感，實(shí)驗(yàn)結(jié)果如表1所示。

由表1可知，每個(gè)主題（專業(yè)）下的局部特征詞都非常具有代表性，對(duì)應(yīng)的局部觀點(diǎn)詞也是專門(mén)用來(lái)形容相應(yīng)主題的情感評(píng)價(jià)詞，從表中數(shù)據(jù)可以得出：高校熱議專業(yè)相關(guān)熱門(mén)話題的關(guān)鍵詞和相應(yīng)觀點(diǎn)、專業(yè)就業(yè)的難易程度與前景也都是評(píng)論者所關(guān)心的問(wèn)題，與實(shí)際情況相符，語(yǔ)料庫(kù)中高校在讀學(xué)生的在線評(píng)論數(shù)據(jù)，在使用TSH MaxEnt-LDA模型進(jìn)行細(xì)粒度觀點(diǎn)挖掘后，能夠?yàn)楦呖籍厴I(yè)生的專業(yè)選擇提供有價(jià)值的指導(dǎo)信息，減少報(bào)考志愿的盲目性。

參考文獻(xiàn)：

[1]王勤，童腮軍.高考學(xué)生專業(yè)選擇與專業(yè)興趣相符性研究.黑龍江高教研究，2004年第9期總第125期：20-22.

[2]徐芃，葉浩生，陸財(cái)深.專業(yè)志愿選擇影響職業(yè)決策的統(tǒng)計(jì)模型分析.華中師范大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2014年7月，第53卷第4期：171-176.

[3]曹明樂(lè).高考志愿填報(bào)專業(yè)選擇行為探析.2009年12月號(hào)中旬刊：121-123.

[4]羅丹.生源減縮背景下高考學(xué)生專業(yè)志愿選報(bào)研究.教育與考試，2013年第3期：5-9.

[5]馬長(zhǎng)林，謝羅迪，王夢(mèng)，司琪.基于主題情感混合模型的細(xì)粒度觀點(diǎn)挖掘.華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2015年10月，v43（sI）：66-70.

[6]Brody S，Elhadad N.An unsuper-vised.aspect-sentiment.model.for.online.reviews[C] //In.Proceedings.of.Human.Language.Technologies：The.Annual.Conference.of.the North.American.Chapter.of.the.Association.for.Computational.Linguistics，2010： 804-812.

[7]Yohan.J，Alice.HO.Aspect.and.sentiment.unification.model，for.online.review.analysis[C] //Proceedings.of.the.fourth ACM international.conference.on.Websearch and data mining.（2011）.ACM，2011：815-824.