李肇明，李 旸，孫 敏，張恩寶，李倩倩

(1.安徽國際商務(wù)職業(yè)學(xué)院，安徽 合肥 230031；2.安徽農(nóng)業(yè)大學(xué)信息與計算機學(xué)院，安徽 合肥 230036)

0 引 言

隨著移動互聯(lián)網(wǎng)的快速發(fā)展，越來越多的用戶通過電腦、手機訪問互聯(lián)網(wǎng)產(chǎn)生了大量的用戶行為數(shù)據(jù)，其中在線社交網(wǎng)絡(luò)吸引和聚集了大量的用戶。如：新浪微博、微信、Twitter、FaceBook等國內(nèi)外知名的社交網(wǎng)絡(luò)平臺。在這些社交網(wǎng)絡(luò)平臺中每天有大量用戶在其中活躍，會產(chǎn)生體量十分龐大的社交網(wǎng)絡(luò)數(shù)據(jù)。以新浪微博為例，到2019年6月微博月活躍用戶達到4.86億，日活躍用戶已達到2億，每天會產(chǎn)生數(shù)十億條微博信息，可見新浪微博已經(jīng)成為了國內(nèi)最重要的社交網(wǎng)絡(luò)平臺。在網(wǎng)絡(luò)中的社交，用戶的行為模式復(fù)雜多樣。交互行為使得信息在網(wǎng)絡(luò)中快速傳播，其中對用戶行為的預(yù)測與分析已經(jīng)成為當(dāng)下最熱門的研究課題。

在社交網(wǎng)絡(luò)中，各類推薦算法應(yīng)用十分廣泛，國內(nèi)外學(xué)者在這方面做了很多工作。在理想的情況下，精準(zhǔn)地推薦需要與用戶的實時興趣喜好相配對，用戶的實時喜好又決定了用戶實時的行為。在實際應(yīng)用中，用戶的偏好變化受多個因素的影響，其中情感因素是用戶偏好的核心因素，情感強度的強弱又可以直接反映出用戶偏好的態(tài)度。本文通過文本挖掘來研究情感強度的強弱進而預(yù)測對用戶行為的影響。

1 相關(guān)研究

在信息化高度發(fā)達的時代，微博已成為信息傳播最主要的社交網(wǎng)絡(luò)之一。分析微博用戶的行為習(xí)慣一方面不僅能夠更好地把握用戶的行為趨向，而且為推薦系統(tǒng)等研究提供理論基礎(chǔ)；另一方面能夠預(yù)測微博信息的傳播途徑，對事件預(yù)警和輿情監(jiān)控起到重要的參考價值。目前國內(nèi)外學(xué)者對社交網(wǎng)絡(luò)行為的研究側(cè)重于用戶的瀏覽和轉(zhuǎn)發(fā)行為進行預(yù)測，但是經(jīng)常會忽略用戶自身情感的作用。心理學(xué)認(rèn)為，用戶的行為舉止會直接受到情感的影響。情感分析在社交網(wǎng)絡(luò)中的應(yīng)用也越來越普遍，一般來說，廣義的情感分析是指針對文本的觀點、情緒和態(tài)度的一種計算研究[1]。主要涵蓋情緒分析、態(tài)度分析以及emoji表情挖掘等一系列研究。本文圍繞著情感強度，從微博文本中提取用戶的情感信息建模研究，挖掘用戶的情感強度，分析用戶情感強度對用戶轉(zhuǎn)發(fā)行為的影響。

1.1 文本情感

文本情感分析是指對帶有情感色彩的主觀性文本采用分析、概括和推理的過程。最開始的情感解析只是針對于感情色彩的詞語來進行分析。如：“喜歡”是帶有褒義色彩的詞語；“討厭”是帶有貶義色彩的詞語。但隨著社交網(wǎng)絡(luò)的發(fā)展，程度副詞以及emoji表情更能夠直觀地表達使用者的情感。國內(nèi)外專家在這個方向也開展許多的研究。李吉等[2]利用同義詞詞林?jǐn)U展版和大連理工情感詞匯本體構(gòu)建情感詞典。使用PAD三維情感模型來計算情感強度，以此對商品評論所蘊含的情感狀態(tài)加以分析研究，并對網(wǎng)絡(luò)口碑輿情進行監(jiān)測評估。夏夢婷等[3]提出從語義角度分析網(wǎng)絡(luò)輿情評價事件中情感詞、短語、句子和篇章的情感強度。利用HowNet中文詞語相似度計算詞語的權(quán)值，并對網(wǎng)絡(luò)輿情中的多個對象采用計算情感強度的方法，最后計算出網(wǎng)絡(luò)輿情情感強度。Thelwall M等[4]使用SentiStrength算法從非正式英文文本中提取情感強度，挖掘網(wǎng)絡(luò)空間中的事實語法和拼寫風(fēng)格，將sentistrength應(yīng)用于myspace的評論，并使用機器學(xué)習(xí)優(yōu)化術(shù)語情感強度查找表。實驗表明sentistrength能夠以60.6%的準(zhǔn)確率預(yù)測積極情緒；以72.8%的準(zhǔn)確率預(yù)測消極情緒。Yangsen Zhang等[5]提出一種協(xié)調(diào)的CNN-LSTM-Attention(CCLA)模型。用CCLA單元學(xué)習(xí)句子的向量表示，句子的語義和情感信息及其關(guān)系被自適應(yīng)地編碼為文檔的矢量表示。使用softmax回歸分類器來識別文本中的情緒傾向，與其他方法相比，CCLA模型可以很好地捕獲局部和長距離的語義和情感信息。

1.2 用戶行為預(yù)測

在線社交網(wǎng)絡(luò)的內(nèi)容中包含很多情感信息，這些信息表達了用戶對事物的情緒和態(tài)度，對用戶行為的預(yù)測有著重要的影響。秦鋒等[6]從用戶屬性、用戶興趣和用戶情緒三個方向,對影響微博用戶行為的原因進行深度解析,提取對用戶有影響的特征建立預(yù)測模型，實驗結(jié)果表明對用戶行為的預(yù)測準(zhǔn)確率大大提高。Yanbing Liu等[7]針對用戶轉(zhuǎn)發(fā)的行為提出一種基于模糊理論和神經(jīng)網(wǎng)絡(luò)算法的用戶轉(zhuǎn)發(fā)熱點話題預(yù)測方法。該方法不僅能夠充分表達模糊性和隨機性,對非線性關(guān)系也有很好的逼近能力，還可以準(zhǔn)確預(yù)測用戶行為，同時能夠動態(tài)感知熱點話題的變化。

綜上所述，目前學(xué)術(shù)界針對用戶轉(zhuǎn)發(fā)行為的預(yù)測很少考慮文本的情感強度，已有的研究多傾向于情緒和興趣上，涉及情感強度值的方面研究較少。因此提出基于文本情感強度的用戶轉(zhuǎn)發(fā)預(yù)測模型。該模型利用新浪微博真實文本數(shù)據(jù)通過情感詞典進行細粒度提取情感強度，實驗驗證了情感強度對用戶轉(zhuǎn)發(fā)行為的有效性。

2 基于情感強度的用戶轉(zhuǎn)發(fā)預(yù)測模型

提出基于文本情感強度的用戶轉(zhuǎn)發(fā)預(yù)測模型，該模型主要包括2個模塊：文本情感強度分析模塊和用戶轉(zhuǎn)發(fā)預(yù)測模塊。

2.1 文本情感強度分析模塊

參考大連理工大學(xué)情感詞匯本體庫[8]，根據(jù)徐琳宏等[9]論文《情感詞匯本體的構(gòu)造》所述，將情感分為7大類和21小類。7大類分別對應(yīng):好、惡、樂、怒、哀、懼、欲。其中情感強度分為五檔，分別是1、3、5、7、9。強度最大的為9，強度最小的為1?？紤]到情感強度具有模糊性，將情感強度劃分略作修改，由于用戶的情感具有正面情感、中性情感和負(fù)面情感的特點，將情感強度按權(quán)值分為-5、-3、-1、0、1、3、5七檔。其中，-5代表負(fù)面情感最大值；5代表正面情感最大值；0代表中立的情感強度，一般認(rèn)為是中立的態(tài)度。如表1所示。

Tab.1 Classification of emotional intensity表1 情感強度級別劃分

情感強度分析的難度是如何確定文本中基準(zhǔn)詞及它們的情感強度。引入情感詞模糊性規(guī)則，在情感詞權(quán)值的基礎(chǔ)上設(shè)計一個量化計算情感詞的方法。其主要思想為構(gòu)造一個情感強度計算公式，訓(xùn)練出來的情感強度絕對值越大，所表示的情感就越劇烈，其情感傾向就越明確。具體方法如下：

提出模糊量化情感詞。根據(jù)訓(xùn)練的語料庫找出情感詞，情感詞的選取標(biāo)準(zhǔn)按照高頻詞匯和情感詞強度權(quán)值來選取，其中情感強度權(quán)值采用人工標(biāo)注的方式。設(shè)確定訓(xùn)練樣本集為Dtraining={D,E}dj(j=1,2,…,m)-ei={o=1,2,…,k}_D_Dd__ei屬于情感詞類別文檔dj的概率為：

其中，P(ei|dj)表示情感ei為情感詞類別文檔dj的概率。count(eij)_ei在dj類別文檔的個數(shù)。

對于任意一個情感詞ei在訓(xùn)練集的Dtraining情感強度為：

其中ID_Dd___

2.2 微博用戶轉(zhuǎn)發(fā)預(yù)測模塊

3 試驗結(jié)果分析

3.1 實驗數(shù)據(jù)與評價指標(biāo)

利用智能爬蟲軟件爬山虎采集器[11]收集新浪微博平臺的數(shù)據(jù)。采集特定用戶所有微博的內(nèi)容，包括發(fā)布時間、內(nèi)容、轉(zhuǎn)發(fā)、評論、點贊的個數(shù)。然后對用戶進行去重，過濾無效用戶，最后得到有效的用戶集合U。提取每個用戶12小時內(nèi)發(fā)布的微博內(nèi)容，包括原創(chuàng)和轉(zhuǎn)發(fā)的微博。對獲取的數(shù)據(jù)集先隨機選擇100位用戶，收集與他們相關(guān)聯(lián)的用戶，共有20000用戶，通過計算每個用戶平均有200個粉絲。然后根據(jù)轉(zhuǎn)發(fā)情況進行人工標(biāo)注，并過濾掉無用的屬性，得到實驗數(shù)據(jù)集，共包含250000條數(shù)據(jù)。每條數(shù)據(jù)記錄屬性的用戶編號、微博內(nèi)容、轉(zhuǎn)發(fā)次數(shù)。

因為微博文本具有口語化，表達隨意性的特征，所以在試驗前需要進行相關(guān)的預(yù)處理：①分詞：使用情感分析工具SnowNLP[12]來分詞并提取關(guān)鍵詞。SnowNLP是一個python寫的類庫，可以方便地處理中文文本內(nèi)容。②詞性標(biāo)注：提取完關(guān)鍵詞后，根據(jù)情感詞的規(guī)則，標(biāo)注正向負(fù)向情感詞作為基準(zhǔn)詞。③情感分析：根據(jù)上面公式計算出情感詞的強度。

為了評估用戶轉(zhuǎn)發(fā)行為的效果，采用準(zhǔn)確率P(Precision)、召回率R(Recall)和F值(F-measure)作為評價指標(biāo)，轉(zhuǎn)發(fā)行為實驗結(jié)果以表2的形式表示.

表2 實驗結(jié)果統(tǒng)計

那么，P、R、F計算公式分別如下：

3.2 實驗結(jié)果分析

為了證明所提模型的有效性，采用了3種主流的方法進行對比驗證：

方法1：使用KMeans算法對用戶的微博數(shù)據(jù)進行聚類，獲取用戶偏好的主題詞，再映射為用戶的特征向量，使用SVM實現(xiàn)微博轉(zhuǎn)發(fā)預(yù)測。

方法2：使用改進的TF-IDF結(jié)合用戶的情緒和興趣提取用戶的關(guān)鍵詞 ，映射為用戶的興趣特征向量，最后使用SVM實現(xiàn)微博轉(zhuǎn)發(fā)預(yù)測。

方法3：使用LDA從抓取的微博文本中抽取主題特征，實現(xiàn)文本內(nèi)容到主題向量的映射，使用SVM實現(xiàn)微博轉(zhuǎn)發(fā)預(yù)測。

方法4(本文方法)：使用SnowNLP提取文本的關(guān)鍵詞，并計算情感強度，再映射為特征向量，最后使用LIBSVM軟件包實現(xiàn)微博轉(zhuǎn)發(fā)預(yù)測。

采用10次交叉驗證方式驗證各方法的有效性，即將數(shù)據(jù)集分成10份，輪流將其中9份作為訓(xùn)練數(shù)據(jù)，1份作為測試數(shù)據(jù)進行試驗。采用P、R、F值作為檢驗?zāi)Ｐ托Ч脑u價指標(biāo)。不同方法的實驗結(jié)果如表3所示。

表3 不同方法實驗數(shù)據(jù)

不同方法的實驗結(jié)果比較如圖1所示。

圖1 不同方法實驗結(jié)果

4 結(jié) 語

本研究提出基于文本情感強度的微博轉(zhuǎn)發(fā)預(yù)測模型。通過獲取用戶的情感關(guān)鍵詞并使用情感強度權(quán)值公式判斷情感強度更加的精確，同時降低了多維度分析情感差異的復(fù)雜性，提高情感分析對用戶轉(zhuǎn)發(fā)行為影響的準(zhǔn)確性。在新浪微博真實數(shù)據(jù)集上進行對比實驗，實驗結(jié)果證明本方法在用戶轉(zhuǎn)發(fā)行為上的有效性。在未來研究中，將從以下二個方面進行改進：① 研究如何解決中性情感強度的判斷過于死板問題；② 研究運用知識圖譜和深度學(xué)習(xí)技術(shù)分析微博中圖片和視頻等信息如何加入到情感強度的模型中，從而進一步提高用戶轉(zhuǎn)發(fā)預(yù)測的準(zhǔn)確率。