[摘 要]面對(duì)民眾觀點(diǎn)日益沸騰的互聯(lián)網(wǎng)時(shí)代，如何理解網(wǎng)絡(luò)輿情的傾向性，并且對(duì)輿情加以合理的引導(dǎo)是一個(gè)日益重要的課題。本文利用PLSA模型對(duì)不同時(shí)間段上的網(wǎng)絡(luò)輿情話題進(jìn)行子話題提取，采用基于HowNet的語義相似度模型對(duì)相應(yīng)的子話題進(jìn)行情感分析，通過與閾值的比較得出該話題的褒貶程度。

[關(guān)鍵詞]話題特征詞；PLSA模型；語義相似度；情感傾向性

doi：10.3969/j.issn.1673 - 0194.2016.22.098

[中圖分類號(hào)]TP393.09 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2016）22-0-02

0 引 言

隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)逐漸成為民眾取得和發(fā)布信息的主要平臺(tái)。但是，正是由于網(wǎng)絡(luò)的便利性和虛擬性，網(wǎng)絡(luò)信息的真實(shí)性魚龍混雜，而面對(duì)稂莠不齊的信息源，廣大民眾不僅能夠隨時(shí)隨地接收，還能夠任意轉(zhuǎn)發(fā)。對(duì)網(wǎng)絡(luò)輿論進(jìn)行適當(dāng)?shù)囊龑?dǎo)是非常必要的，否則可能引發(fā)不良后果，以致形成一定程度的恐慌，更進(jìn)一步影響到其他民眾的正常社會(huì)生活。

因此，準(zhǔn)確了解公眾的看法，對(duì)普通民眾情緒進(jìn)行及時(shí)有效的引導(dǎo)是人們一直以來不斷努力的方向。本文試圖通過PLSA模型和基于HowNet的語義相似度模型，探究網(wǎng)絡(luò)輿情的情感傾向性，從而提出對(duì)策，以滿足政府和企業(yè)輿情監(jiān)控以及控制的要求，為政府機(jī)構(gòu)輿論引導(dǎo)的方向和內(nèi)容提供依據(jù)明確的參考。

1 網(wǎng)絡(luò)輿情情感傾向性分析模型

網(wǎng)絡(luò)輿情話題情感傾向性分析模型共分為2個(gè)部分：話題提取和情感分析。其中話題提取主要采取的是PLSA模型，情感分析主要采取的是基于HowNet的語義相似度模型。

1.1 話題提取

1.1.1 文本采集

本文研究的是網(wǎng)絡(luò)熱點(diǎn)事件的情感傾向性，因此在數(shù)據(jù)采集過程中，首先要確定一個(gè)網(wǎng)絡(luò)熱點(diǎn)事件，然后利用網(wǎng)絡(luò)爬蟲到知乎、豆瓣、微博、新聞等平臺(tái)上獲取該網(wǎng)絡(luò)熱點(diǎn)事件的信息。

1.1.2 文本分詞

本文主要采用ICTCLAS漢語分詞系統(tǒng)。具體ICTCLAS文本分詞處理過程如圖1所示。

采用Java編程實(shí)現(xiàn)初步文本分詞，再利用停用詞表和Java程序，進(jìn)行停用詞處理，從而得到相應(yīng)的文檔-詞共現(xiàn)矩陣。

1.1.3 子話題抽取

采用PLSA模型對(duì)子話題進(jìn)行抽取，生成k個(gè)子話題，并得到特征詞在k個(gè)子話題上的概率分布。具體PLSA模型的應(yīng)用如下：

PLSA模型，全稱為概率潛在語義分析模型，將概率統(tǒng)計(jì)模型與EM算法相結(jié)合，實(shí)現(xiàn)對(duì)子話題的抽取。PLSA的概率模型圖，如圖2所示。

其中D表示文檔，Z表示主題，W表示觀察到的單詞。

在該P(yáng)LSA概率模型中，已知（di，wj），Zk是隱含變量。則（di，wj）的聯(lián)合分布見公式（1）。

其中，P（zk|di）和P（wj|zk）都對(duì)應(yīng)多項(xiàng)式分布，筆者通過最大期望（Expectation Maximization，EM）算法來估計(jì)多項(xiàng)式分布中的參數(shù)。該算法主要分為E步驟和M步驟，然后進(jìn)行迭代求解。

針對(duì)PLSA模型中的參數(shù)估計(jì)，在E步驟中，使用貝葉斯公式直接計(jì)算Zk的后驗(yàn)概率，見公式（2）。

在M步驟中，是利用E步驟中的后驗(yàn)概率求得P（zk|di）和P（wj|zk），然后進(jìn)行迭代求解，得到參數(shù)值見公式（3）、（4）。

1.2 情感分析

本文對(duì)網(wǎng)絡(luò)輿情情感傾向性的分析主要是通過對(duì)話題特征詞傾向值的度量，判斷該網(wǎng)絡(luò)熱點(diǎn)事件的褒貶程度。其中，默認(rèn)0為閾值，即傾向值大于0時(shí)判斷為褒義，小于0時(shí)則判斷為貶義。

對(duì)于話題特征詞傾向值的度量，本文是基于知網(wǎng)HowNet，進(jìn)行語義相似度的計(jì)算，從而計(jì)算得到相應(yīng)的情感傾向值。在知網(wǎng)中，詞語是通過義原來描述的，所以將詞語的情感相似度轉(zhuǎn)化為義原的情感相似度。義原相似度的計(jì)算公式為式（5）。

其中，α為權(quán)值，w為詞語。

將最大的義原相似度作為詞語相似度，公式為（6）。

其中，y詞語的義原。

假設(shè)共有k對(duì)基準(zhǔn)詞，則單詞w的語義傾向值計(jì)算公式（7）。

其中，key-pi、key-ni分別為褒義基準(zhǔn)詞、貶義基準(zhǔn)詞，Orientation（w）為單詞w的語義傾向值：

通過加權(quán)求和可以得到特征詞的情感傾向性值。

2 基于話題特征詞的情感傾向性實(shí)證分析

筆者通過實(shí)例進(jìn)行分析，從而驗(yàn)證本文所提網(wǎng)絡(luò)輿情情感分析方法的可行性。本文以2016年5月份的熱點(diǎn)輿論“江蘇高考減招”作為本文情感傾向性分析的對(duì)象。利用網(wǎng)絡(luò)爬蟲來爬取新浪微博2016年5月9日到5月11日關(guān)于“江蘇高考減招”話題的所有微博，設(shè)置的時(shí)間間隔為1天，劃分實(shí)驗(yàn)預(yù)料，在5月9日到5月11日這個(gè)時(shí)間段，新浪微博中關(guān)于這個(gè)話題的討論熱度從熱烈到逐漸平緩，因此，選擇這個(gè)時(shí)間段對(duì)輿情情感的變化和分布進(jìn)行探究。

2.1 PLSA輿情子話題抽取

筆者將半結(jié)構(gòu)化信息處理后，得到純文本語料。隨后，進(jìn)行分詞統(tǒng)計(jì)并且構(gòu)建“文檔-詞語”的共現(xiàn)矩陣。接著，采用PLSA模型進(jìn)行子話題抽取，得到每時(shí)段子話題及其概率矩陣。表1列出了抽取的4個(gè)時(shí)間點(diǎn)的子話題，以及出現(xiàn)概率在前5位的話題詞及其概率。

在表1中，整個(gè)時(shí)間段都被一個(gè)子話題貫穿，計(jì)算后，兩個(gè)子話題之間語義上的關(guān)聯(lián)度均大于本文設(shè)定的閾值0.5，因此，子話題“北京本科率”存在語義上的延續(xù)性。

2.2 基于特征詞的情感詞提取

本文以5月9日江蘇高考減招消息出現(xiàn)當(dāng)天所產(chǎn)生的一個(gè)子話題為例，首先將與本話題有關(guān)的文本進(jìn)行資料篩選；隨后，重新進(jìn)行分類整理；接著，依據(jù)特征詞的不同，將句子保存到不同的特征詞文檔中，整理與之相對(duì)應(yīng)的情感詞。

筆者通過BIYING搜索引擎對(duì)上述得出的情感詞進(jìn)行搜索，選擇出現(xiàn)頻率最高的詞匯作為基準(zhǔn)詞，選取依據(jù)為按照返回的Hits數(shù)進(jìn)行排序的詞組，再以特征詞“減招”的情感關(guān)鍵詞為例，通過基于How-Net的詞匯傾向性計(jì)算方法得到部分詞匯的傾向值，如下表所示：

通過計(jì)算，最后可得到5月9日“江蘇高考減招”子話題中的特征詞“減招”的情感傾向值。計(jì)算的結(jié)果表明，對(duì)于江蘇高考減招，多數(shù)民眾認(rèn)為這一項(xiàng)新政策十分不公平，并且對(duì)此懷有強(qiáng)烈的憤怒和不滿情緒，但值得注意的是，盡管不滿情緒高漲，超過半數(shù)的群眾還是會(huì)接受這項(xiàng)政策。

3 結(jié) 語

網(wǎng)絡(luò)輿情情感傾向性分析主要包括子話題抽取和情感分析兩大部分。而本文在這兩大部分上都進(jìn)行了一定的創(chuàng)新，主要?jiǎng)?chuàng)新在子話題的抽取上采用Thomas Hofmann的PLSA模型，在情感分析上采用了基于HowNet的語義相似度分析。但是，這些模型仍然需要進(jìn)一步改進(jìn)。第一，將不同的句子結(jié)構(gòu)都統(tǒng)一看成是陳述句進(jìn)行分析，并沒有考慮其對(duì)情感表達(dá)的影響，就像反問句就與陳述句有完全不一樣的句意表達(dá)效果。第二，該模型需要花費(fèi)大量的時(shí)間進(jìn)行文本資料的人工整理，在大數(shù)據(jù)時(shí)代下，此種模型的實(shí)用性略差。所以未來的工作主要就是將現(xiàn)有的模型實(shí)現(xiàn)完全智能化，降低人工成本；考慮語法、句子結(jié)構(gòu)等因素，得到更準(zhǔn)確的情感傾向性。

主要參考文獻(xiàn)

[1]黃衛(wèi)東，陳凌云，吳美蓉.網(wǎng)絡(luò)輿情話題情感演化研究[J].情報(bào)雜志，2014（1）.

[2]黃衛(wèi)東，林萍，董怡，李宏偉.基于話題特征詞的網(wǎng)絡(luò)輿情參與情感演化分析[J].情報(bào)雜志，2015（11）.

[3]Thomas Hofmann. Unsupervised Learning by Probabilistic Latent Semantic Analysis[J].Machine Learning，2001（1/2）.