宋祖康 閻瑞霞 辜麗瓊

摘 要：作為社交網(wǎng)絡(luò)重要載體，微博成為信息傳播的重要平臺(tái)，承載著公眾情感表達(dá)及輿論傳播的重要功能。對(duì)微博博文及評(píng)論作出主題概括及情感分析在網(wǎng)絡(luò)管控、輿情監(jiān)測(cè)及公眾情緒引導(dǎo)方面具有重要的實(shí)踐意義。提出一種基于機(jī)器學(xué)習(xí)與文本分析的主題概括及情感分析模型。以武漢理工大學(xué)研究生墜亡事件為話題，利用Word2vec將文本轉(zhuǎn)化為詞向量，并且通過機(jī)器學(xué)習(xí)聚類方法對(duì)輿情各個(gè)生命周期過程進(jìn)行主題概括，采用基于詞典文本分析方法，對(duì)評(píng)論文本進(jìn)行多元情感分析，對(duì)表現(xiàn)突出的情感大類作細(xì)粒度分析，最終實(shí)現(xiàn)基于主題與情感分析的多元細(xì)粒度公眾情感變化分析模型。該分析模型可在特定輿情事件下得出公眾在各階段的關(guān)注中心及情緒變化規(guī)律，實(shí)現(xiàn)輿情主題與情感變化的協(xié)同演化研究。

關(guān)鍵詞：主題概括;Word2vec;K-Means;情感分析

DOI：10. 11907/rjdk. 182107

中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）004-0004-05

0 引言

作為社交網(wǎng)絡(luò)的重要載體，微博以簡(jiǎn)潔、短小的特點(diǎn)爆發(fā)式成長(zhǎng)，截至2017年年底，微博已發(fā)展至4億用戶。微博的特點(diǎn)在于可以即時(shí)分享，信息傳播不受時(shí)間、空間影響，因此成為熱點(diǎn)輿論產(chǎn)生及傳播的重要平臺(tái)。平臺(tái)上信息傳播深度、廣度及速度均有驚人潛力，若不能及時(shí)對(duì)公眾情感作出更加準(zhǔn)確的分析與把握，可能會(huì)使其成為國家與社會(huì)不安定的潛在因素，甚至引起極大恐慌。因此，對(duì)輿情事件下公眾情緒進(jìn)行細(xì)粒度多元情感分析刻畫，對(duì)于維護(hù)社會(huì)穩(wěn)定、消除社會(huì)潛在不穩(wěn)定因素有深遠(yuǎn)影響與意義。

1 研究現(xiàn)狀

國內(nèi)外學(xué)者在短文本主題概括與情感分析方面積累了大量有意義的成果。在微博博文主題概括方面，目前常用模型為L(zhǎng)DA主題抽取模型，李保利等[1]通過LDA模型自動(dòng)抽取一個(gè)時(shí)間間隔里的話題，得到不同話題，然后通過簡(jiǎn)單的啟發(fā)式規(guī)則找出種子話題，并根據(jù)種子話題語義相似度將其進(jìn)行關(guān)聯(lián)，得到話題演化趨勢(shì)。然而，由于LDA模型采用的是詞袋方法，每篇文檔被視作一個(gè)詞頻向量， LDA模型并沒有考慮詞與詞之間的關(guān)系，因此會(huì)漏掉一些關(guān)鍵特征。近年來，隨著機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的研究不斷深入，越來越多的實(shí)例證明，基于神經(jīng)網(wǎng)絡(luò)模型的Word2vec開源算法在提取微博主題上顯著優(yōu)于LDA主題模型，其中，安璐等[2]通過Word2vec模型對(duì)微博主題進(jìn)行提取，取得了較好結(jié)果;薛煒明等[3]使用Word2vec算法，通過大量實(shí)驗(yàn)將其與傳統(tǒng)詞袋模型、經(jīng)典KNN算法及其改進(jìn)方法進(jìn)行效果對(duì)比，證明了算法優(yōu)良性。然而，以上研究大多數(shù)關(guān)注Word2vec模型應(yīng)用及中文短文本分詞，仍使用傳統(tǒng)聚類方法進(jìn)行中文主題概括，不能有效地對(duì)短文本進(jìn)行分析。因此，本文通過Word2vec工具集將詞語轉(zhuǎn)化為詞向量，并引入無監(jiān)督學(xué)習(xí)下的K-Means均值聚類算法，力求對(duì)各個(gè)時(shí)序階段的微博博文主題準(zhǔn)確抽取。

針對(duì)文本情感分析的研究方法有兩種：一種是基于機(jī)器學(xué)習(xí)，另一種是基于情感詞典?；跈C(jī)器學(xué)習(xí)方面，李巖等[4] 基于短文本聚類及評(píng)論情感分析，在一定程度上解決了由于關(guān)鍵詞稀疏特征引起的相似度漂移問題;王宏偉等[5]在分析用戶評(píng)論后對(duì)其中隱含的情感信息進(jìn)行識(shí)別，并研究了用戶情感演化過程;張小倩[6]將微博文本極性轉(zhuǎn)移分為強(qiáng)調(diào)、否定、轉(zhuǎn)折3種類型，根據(jù)該研究，王文凱[7]設(shè)置了一種注意力機(jī)制以解決非連續(xù)詞情感相關(guān)性導(dǎo)致的極性轉(zhuǎn)移現(xiàn)象，并且引入卷積神經(jīng)網(wǎng)絡(luò)，通過注意力機(jī)制捕獲長(zhǎng)距離上下文之間的相關(guān)性。然而，由于機(jī)器學(xué)習(xí)十分依賴標(biāo)注的訓(xùn)練集，但在海量數(shù)據(jù)的情況下又難以實(shí)現(xiàn)，因此機(jī)器學(xué)習(xí)方法存在一定局限性。在基于字典的研究方面，國內(nèi)現(xiàn)在較為成熟的字典有大連理工大學(xué)情感詞匯本體庫[16]、臺(tái)灣大學(xué)“NTUSD”中文情感極性字典[11]及知網(wǎng)HowNet情感字典[12]。

綜上所述，本文參考大連理工大學(xué)情感詞匯本體庫[16]，以武漢理工大學(xué)研究生跳樓事件為實(shí)驗(yàn)案例，建立一個(gè)基于Word2vec與K-Means均值算法的細(xì)粒度多元情感分析模型。該模型可更加細(xì)致地掌握公眾情緒發(fā)展走向，并對(duì)各階段博文主題進(jìn)行主題概括，有助于在各個(gè)階段更好地把握輿論中心走向，對(duì)公眾言論作出更有效的辨別和管控，為有關(guān)部門更加精準(zhǔn)地遏制謠言及更加全面地掌握公眾情感提供參考意見。

2 研究框架

2.1 Word2vec算法

Word2vec是Google公司在2013年開源的一款將詞表征為實(shí)數(shù)值向量的工具，其基本思想來源于Mikolov提出的CBOW及Skip-gram模型。最早提出的前饋神經(jīng)網(wǎng)絡(luò)模型NNLM由4個(gè)主要層級(jí)構(gòu)成，分別為輸入層、映射層、隱藏層及輸出層，主要計(jì)算障礙是從映射層到隱藏層的計(jì)算，為提升計(jì)算效率，Mikolov提出CBOW及Skip-gram模型，本文主要使用Python開源庫Gensim工具包的Skip-gram模型進(jìn)行求解。

Skip-gram是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型，主要思想是根據(jù)當(dāng)前單詞預(yù)測(cè)前后文語境，其輸入層為一個(gè)輸入單元，輸入值為當(dāng)前單詞，輸出層是前后文單詞，輸出層數(shù)量為用戶設(shè)置的窗口數(shù)， 將Skip-gram模型的前向計(jì)算過程攜程數(shù)學(xué)形式，為方便敘述，定義以下符號(hào)：文本集合為[T]，當(dāng)前單詞為[w]，語境[c]定義為以單詞[w]為起點(diǎn)，向前[k]個(gè)數(shù)量、向后[k]個(gè)數(shù)量所包含的單詞，模型參數(shù)設(shè)為[θ]，在[w]確定的情況下，上下文單詞[c]出現(xiàn)的概率設(shè)為[pc|w;θ]，在文本中，單詞[w]所有上下文單詞[c]的集合設(shè)為[Cw]，切分后的文本詞匯表設(shè)為[V]，所有[w]及相對(duì)應(yīng)[Cw]的集合設(shè)為[D]，Skip-gram目標(biāo)函數(shù)利用隨機(jī)梯度下降最大化以下條件的概率乘積為：

2.2 K-Means均值算法

將得到的詞向量作為訓(xùn)練文本，使用K-Means聚類方法進(jìn)行聚類。聚類分析是一種無監(jiān)督學(xué)習(xí)的方法，與分類不同的地方在于分類目標(biāo)已預(yù)知，但聚類類別是沒有定義的，聚類分析試圖將相似的對(duì)象歸入同一簇中，在本文K-Means聚類中，相似度由兩個(gè)詞向量之間的歐氏距離決定。

K-Means主要目的是發(fā)現(xiàn)給定數(shù)據(jù)集的[k]個(gè)簇。首先隨機(jī)選定[k]個(gè)質(zhì)心，然后將數(shù)據(jù)集中的每個(gè)點(diǎn)按照歐氏距離計(jì)算其與[k]個(gè)質(zhì)心的相似度，將各個(gè)點(diǎn)分配到離它們最近的質(zhì)心所在簇中，遍歷整個(gè)數(shù)據(jù)集后，將每個(gè)簇的質(zhì)心更新為該簇所有點(diǎn)的平均值，然后重復(fù)上述過程。K-Means算法迭代過程在算法迭代到指定步數(shù)或其誤差值小于設(shè)定閾值時(shí)停止，K-Means誤差值為簇中每個(gè)點(diǎn)到質(zhì)心的距離之和，該誤差值也可用來對(duì)聚類效果進(jìn)行評(píng)價(jià)，本文根據(jù)聚類結(jié)果得到相應(yīng)階段的輿論中心話題。

3 文本情感分析——基于情感詞典

通過博文得到各階段的主題后，本文對(duì)各階段評(píng)論的情感進(jìn)行分析，獲得輿情發(fā)展過程中公眾情感變化。本文參考大連理工大學(xué)情感詞匯本體庫，對(duì)各階段微博評(píng)論進(jìn)行細(xì)粒度多元情感分析。

在文本預(yù)處理方面，由于微博具有短文本特點(diǎn)，其行文風(fēng)格偏向口語化，因此本文在去除停用詞的步驟中，不僅去除常用停用詞，還根據(jù)詞頻統(tǒng)計(jì)，去除出現(xiàn)較多的詞匯，以保證高頻詞匯情感取值不會(huì)影響本文情感分析。

本文參照大連理工情感詞匯本體庫[16]，根據(jù)武漢理工大學(xué)研究生墜亡事件的語境基礎(chǔ)，將其情感分類略作修改，將情感分為七大類，分別為樂、信、諷、哀、懼、惡、驚，具體分類見表1。

在傳統(tǒng)文本情感分析中，否定詞的研究是一個(gè)重要環(huán)節(jié)，傳統(tǒng)情感分析往往是極性分析，分析判斷目標(biāo)僅是二元極性，而本文情感分析為細(xì)粒度多元分析。當(dāng)分析文本為微博短文本時(shí)，否定詞會(huì)產(chǎn)生豐富的語義內(nèi)容，若一概而論，僅將其作反向轉(zhuǎn)變情感處理，則有失偏駁，因此本文設(shè)定規(guī)則，根據(jù)實(shí)際情況，若在情感大類敬這類詞語前3個(gè)窗口內(nèi)出現(xiàn)否定詞，則將文本情感極性轉(zhuǎn)換為“惡”，若在其它情感大類的詞語向前3個(gè)窗口內(nèi)出現(xiàn)否定詞，則削減其情感強(qiáng)度，見公式（4）。

程度副詞表及各個(gè)程度副詞賦分情況部分截取見表2。

最后將各情感大類的情感得分相加，并畫出直方圖，對(duì)情感分析結(jié)果進(jìn)行可視化。

通過對(duì)各個(gè)情感大類的劃分，可得出情感比較集中的幾個(gè)類，再對(duì)幾個(gè)類中的各個(gè)小類進(jìn)行同樣的情感判別分析，通過細(xì)粒度劃分出公眾此時(shí)具體情感。

4 案例分析

4.1 文本主題概括

本文以武漢理工大學(xué)研究生跳樓事件為實(shí)驗(yàn)案例，搜集3月29號(hào)開始一個(gè)月內(nèi)4 849條博文，經(jīng)去重操作后剩 1 941條。按照時(shí)間對(duì)其進(jìn)行聚類分析，最終得到9 607個(gè)詞語分類結(jié)果，根據(jù)賈亞敏等[10]結(jié)合城市突發(fā)事件的特點(diǎn)及具體案例劃分的輿情傳播生命周期（起始階段、爆發(fā)階段、衰退階段和平息階段），結(jié)合數(shù)據(jù)特征，得出各階段微博發(fā)文數(shù)量分布，如圖1所示。

結(jié)合微博熱點(diǎn)時(shí)效短、公眾注意力容易被轉(zhuǎn)移且言論管控嚴(yán)的特點(diǎn)，將本事件分為3個(gè)階段，分別為起始階段（3.29-4.2）、爆發(fā)階段（4.3-4.10）與平息階段（4.11-4.30），并提取相關(guān)微博博文主題詞，見表3。

從整個(gè)輿論主題演化過程來看，此次事件從起始階段寒門學(xué)子不堪重負(fù)自殺開始，兩天后事件當(dāng)事人王某作出回應(yīng)，此時(shí)公眾熱點(diǎn)已經(jīng)形成，事件走向爆發(fā)，直至武漢理工大學(xué)在4月8號(hào)作出回應(yīng)時(shí)達(dá)到高潮，公眾大多表達(dá)了憤怒及質(zhì)疑的情緒，并且由此次事件深挖到北京大學(xué)沈陽當(dāng)年性侵女生致其自殺的新聞，而當(dāng)事件發(fā)酵到一定時(shí)期后，網(wǎng)絡(luò)上便開始出現(xiàn)了一些雖沒有根據(jù)、但邏輯卻很通順的謠言，由此事件開始轉(zhuǎn)化為社會(huì)不穩(wěn)定因素，相關(guān)危機(jī)管理部門為了防止謠言擴(kuò)散及事態(tài)進(jìn)一步惡化，開始對(duì)微博大量用戶刪帖禁言，使事件很快進(jìn)入了衰退階段，這也與前段時(shí)間的“北電侯亮平”、“三色幼兒園”等事件的發(fā)展軌跡相似。

4.2 文本情感分析

本文對(duì)網(wǎng)友評(píng)論進(jìn)行情感分析，根據(jù)爬蟲爬取一個(gè)月內(nèi)15 523條有關(guān)評(píng)論推演公眾各階段情緒變化。

首先本文對(duì)各階段公眾情感進(jìn)行情感大類分析，見圖2。

從圖2中可以看出，這起事件引起的公眾情感大多集中于惡及諷刺，并且無論在哪一個(gè)階段，惡的情緒都處于高漲階段;在第二個(gè)階段，即爆發(fā)階段，公眾對(duì)該事件惡的情感達(dá)到最大值，因此本文對(duì)惡的情緒再作細(xì)粒度情感分析，見圖3。

從圖中可以看出，公眾情感大多集中于憎惡與貶責(zé)，在事件爆發(fā)前期，公眾大多持貶責(zé)及憎惡的情緒，對(duì)導(dǎo)師壓榨學(xué)生一事，這些情緒是正常表現(xiàn)，公眾一方面是憎惡該事件，另一方面，根據(jù)聚類主題可看出，公眾同時(shí)也在譴責(zé)學(xué)校及領(lǐng)導(dǎo)管理不善，譴責(zé)導(dǎo)師師德淪喪。在事件演化到輿論中期時(shí)，憎惡的情感愈演愈烈，貶責(zé)的情感雖有所下降，但仍然高居不下，在此期間，導(dǎo)師王某以及武漢理工大學(xué)相繼發(fā)表申明，這也導(dǎo)致了憎惡情緒不斷攀升，懷疑的情緒也到達(dá)了周期峰值。在事件末期，除憎惡外，所有情緒都出現(xiàn)了相當(dāng)程度的衰退，再加上有關(guān)部門網(wǎng)論管控，其它更新鮮的事件發(fā)生，此時(shí)微博熱點(diǎn)效應(yīng)已經(jīng)過去，然而從情感大類的分析圖中可看出，此時(shí)公眾情緒并沒有從惡、諷轉(zhuǎn)向哀、信，惡、諷這兩種負(fù)面情緒依然占據(jù)主流，此時(shí)公眾依然對(duì)該事件懷有強(qiáng)烈的不信任，對(duì)整個(gè)導(dǎo)師制度及對(duì)校方處理方式不滿，因此在這種情況下事后相關(guān)部門進(jìn)行追罰、完善制度才是引導(dǎo)輿論導(dǎo)向積極情緒，防止該類悲劇再次發(fā)生的根本辦法。

由此可以看出，分析輿情事件下的公眾情感態(tài)度可以幫助有關(guān)部門更加準(zhǔn)確地把握各時(shí)段公眾情緒，制定符合當(dāng)前狀況的有效措施。在事件起始階段，有關(guān)部門應(yīng)當(dāng)及時(shí)分析公眾情感，對(duì)事件有關(guān)人員作出處罰，緩和公眾與政府、有關(guān)單位之間的緊張關(guān)系，避免引發(fā)大規(guī)模不滿情緒;在時(shí)間爆發(fā)階段，有關(guān)部門應(yīng)當(dāng)及時(shí)公布事件處理進(jìn)程，分析網(wǎng)民情緒構(gòu)成，避免謠言傳播，通過社交媒體等多個(gè)途徑使事件調(diào)查結(jié)果公開化、透明化;在事件末尾階段，有關(guān)部門應(yīng)該分析公眾此時(shí)主要情感，有針對(duì)地安撫公眾情緒，做好善后工作，并且將結(jié)果反饋給相關(guān)部門，避免該類影響社會(huì)安定的事件再次發(fā)生，而如果此時(shí)公眾情感仍處于偏激、負(fù)面狀態(tài)，有關(guān)部門更應(yīng)該反思該周期內(nèi)工作是否到位，分析是由于措施有效性不足，還是自身權(quán)威性已有所下降或其它原因造成了不良后果。

5 結(jié)語

本文構(gòu)建了一個(gè)基于主題及細(xì)粒度文本分析的公眾情感分析模型，使用機(jī)器學(xué)習(xí)方法，用構(gòu)建詞向量聚類分析的構(gòu)想，得到了不同周期下輿情事件的主題概括，并在不同周期下對(duì)公眾情感基于詞典進(jìn)行細(xì)粒度分析，結(jié)合武漢理工大學(xué)研究生墜亡事件，論證了結(jié)合各階段主體及情感演化，可有效把握公眾情感變化趨勢(shì)。本文建立的模型可為有關(guān)危機(jī)管理部門提供借鑒，有助于有關(guān)部門在認(rèn)知輿情事件中實(shí)現(xiàn)有效輿情管控及情緒引導(dǎo)。

由于本研究是基于詞典的情感分析，對(duì)詞典依賴性較強(qiáng)，在實(shí)踐中發(fā)現(xiàn)，大連理工大學(xué)情感詞匯本體庫仍有許多不完善之處，并且由于中文的復(fù)雜性，對(duì)有些反諷、一詞多義現(xiàn)象處理得還不夠完善，在下一步的工作中需完善情感詞匯本體庫，提高情感分析有效性及準(zhǔn)確性。

參考文獻(xiàn)：

[1] 李保利，楊星. 基于LDA模型和話題過濾的研究主題演化分析[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2012，33（12）：2738-2743.

[2] 安璐，吳林. 融合主題與情感特征的突發(fā)事件微博輿情演化分析[J]. 圖書情報(bào)工作，2017，61（15）：120-129.

[3] 薛煒明，侯霞，李寧. 一種基于Word2vec 的文本分類方法[J].? 北京信息科技大學(xué)學(xué)報(bào)2018，33（1）：72-75.

[4] 李巖，韓斌，趙劍，等. 基于短文本及情感分析的微博輿情分析[J]. 計(jì)算機(jī)應(yīng)用與軟件，2013，30（12）：240-243.

[5] 王宏偉，劉勰，尹裴，等. 基于語義分析的微博搜索[J]. 情報(bào)學(xué)報(bào)，2010（5）：931-938.

[6] 張小倩. 情感極性轉(zhuǎn)移現(xiàn)象研究及應(yīng)用[D]. 蘇州：蘇州大學(xué)， 2012.

[7] 王文凱，王黎明，柴玉梅，等. 基于卷積神經(jīng)網(wǎng)絡(luò)和Tree-LSTM的微博情感分析[J/OL]. 計(jì)算機(jī)應(yīng)用與研究，2019，36（5）：1-7.2018- 03-09.http：//www.arocmag.com/article/02-2019-05-007.html.

[8] 杜振雷. 面向微博短文本的情感分析研究[D]. 北京：北京信息科技大學(xué)，2013.

[9] 馮成剛，田大鋼. 基于機(jī)器學(xué)習(xí)的微博情感分類研究[J]. 軟件導(dǎo)刊，2018，17（6）： 58-61.

[10] 賈亞敏，安璐，李綱，城市突發(fā)事件網(wǎng)絡(luò)信息傳播時(shí)序變化規(guī)律研究[J]. 情報(bào)雜志，2015，34（4）：91-96.

[11] 臺(tái)灣大學(xué)NTUSD中文情感極性字典[EB/OL].? https：//download.csdn.net/download/huixion/9470816.

[12] 知網(wǎng). HowNet情感字典[EB/OL]. http：//www.keenage.com/.

[13] 韓忠明，張玉沙，張慧，等. 有效的中文微博短文本傾向性分類算法[J]. 計(jì)算機(jī)應(yīng)用與軟件，2012，29（10）：89-93.

[14] DAVISON B D. Structural link analysis and prediction in Microblogs[C]. Proceedings of the 20th ACM Conference on Information and Knowledge Management， 2011 ：1163-1168.

[15] HANNON J，BENNETT M，SMYTH B. Recommending Twitter users to follow using content and collaborative filtering approaches[C]. Proceedings of the 2010 ACM Conference on Recommender Systems， 2010：199-206.

[16] 大連理工大學(xué). 大連理工大學(xué)情感詞匯本體庫[DB/OL].? http：//ir.dlut.edu.cn/group/detail/4.

（責(zé)任編輯：江 艷）