鐘 磊

(新疆財經(jīng)大學(xué) 信息管理學(xué)院，新疆 烏魯木齊 830012)

0 引言

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心統(tǒng)計，截至2019年6月，中國網(wǎng)民數(shù)量達(dá)8.54億，使用手機(jī)的網(wǎng)民達(dá)8.47億，網(wǎng)民使用手機(jī)上網(wǎng)的占99.1%[1]。網(wǎng)絡(luò)已經(jīng)成為人們表達(dá)個人想法、交流和共享信息的不可或缺的手段。在網(wǎng)絡(luò)空間中，用戶幾乎每天不間斷地發(fā)布海量信息，比如評論帖子、圖片、視頻等。大量的網(wǎng)絡(luò)用戶由于知識結(jié)構(gòu)、職業(yè)特點、興趣愛好等因素的不同而具有不同的信息偏好。具有共同偏好的用戶往往成為一個群體，有相似偏好的網(wǎng)絡(luò)用戶節(jié)點在網(wǎng)絡(luò)空間中表達(dá)相似的觀點和看法。對網(wǎng)絡(luò)用戶的分類研究可以幫助人們更有效地了解用戶的信息需求，研究不同偏好網(wǎng)絡(luò)用戶的行為特征和規(guī)律，幫助人們了解網(wǎng)絡(luò)信息的傳播和演化規(guī)律，識別網(wǎng)絡(luò)熱點信息等。

1 研究現(xiàn)狀

周楊等[2]依據(jù)微博數(shù)、關(guān)注數(shù)和粉絲數(shù)等信息，把用戶劃分為游離型、信息獲取型、活躍型和名人型4種用戶類型，構(gòu)建了微博用戶偏好模型，并進(jìn)行了相關(guān)實證研究，提出了輿情用戶分類識別和引導(dǎo)的相關(guān)建議。曾潤喜等[3]采用內(nèi)容分析法對新浪網(wǎng)某新聞樣本的跟帖進(jìn)行了多維度分析，從網(wǎng)絡(luò)輿情的時間分布情況、網(wǎng)民的使用媒介、網(wǎng)民的態(tài)度和指向類型等行為屬性進(jìn)行了相關(guān)實證研究，相關(guān)結(jié)論開辟了網(wǎng)絡(luò)輿情傳播規(guī)律研究的新視角。在網(wǎng)絡(luò)熱點發(fā)現(xiàn)和用戶分類方面主要研究集中在采用數(shù)據(jù)挖掘的方法對各種屬性進(jìn)行分析，多采用聚類算法從距離的角度加以解釋。馬瑞新等[4]使用粒子群算法對網(wǎng)絡(luò)輿情傳播中用戶觀念進(jìn)行了聚類分析和仿真。根據(jù)觀念的聚類結(jié)果分析事件的演進(jìn)過程和識別熱點；張思源等[5]通過循環(huán)迭代不斷移除社會網(wǎng)絡(luò)中相異性最高的邊，從而獲得新的社區(qū)結(jié)構(gòu)，從社區(qū)發(fā)現(xiàn)的視角進(jìn)行了用戶群體分類；陳東明等[6]提出了一種密合度指標(biāo)，在此基礎(chǔ)上，設(shè)計了一種基于凝聚思想的群體劃分算法，通過與其他社區(qū)發(fā)現(xiàn)算法的對比，獲得了較好的劃分效果和較低的時間復(fù)雜度。

本文采用一種基于標(biāo)注詞向量的用戶聚類方法，該方法使用用戶標(biāo)注詞組成的向量之間的余弦相似度來度量用戶之間的相似度，在此基礎(chǔ)上使用K-mean聚類得到用戶關(guān)于特定信息傾向的聚類，較之傳統(tǒng)聚類方法其結(jié)果更易解釋且準(zhǔn)確度較高。

2 輿情用戶聚類的處理過程

標(biāo)注詞能夠反映網(wǎng)絡(luò)輿情用戶對特定信息資源的偏好，首先計算用戶所有標(biāo)注詞的tf-idf值。Tf值代表詞頻，其計算如式(1)所示，其中分子代表一個詞在一個文本中出現(xiàn)的頻數(shù)，分母代表總詞數(shù)，用來代表該詞的重要程度。

(1)

idf代表逆向文檔頻率，其計算如式(2)所示，其中分子代表某個語料庫中全部文本的個數(shù)，分母代表某個詞在所有文本中的不重復(fù)次數(shù)，對商取對數(shù)即得到idf值。

(2)

將tf值與idf值相乘即得到tf-idf值，如式(3)所示：

tfidfi,j=tfi,j×idfi,j

(3)

計算出tfidf值后，生成輿情網(wǎng)絡(luò)用戶特征向量表示為：tfidfVi=(，，…，)。其中keyword表示標(biāo)注詞，w為每個標(biāo)注詞的tfidf值，即詞的權(quán)重。

然后按照式(4)和式(5)計算用戶的相似度。其中tfidfV1代表網(wǎng)絡(luò)用戶節(jié)點V1的標(biāo)注詞特征向量，tfidfV2代表網(wǎng)絡(luò)用戶節(jié)點V2的標(biāo)注詞特征向量。通過計算兩個用戶標(biāo)注詞向量的余弦值來代表用戶節(jié)點間的相似度ss。

(4)

ss(V1,V2)=cos(ifidfv1,tfidfv2)

(5)

輿情文本中的詞匯可能較多，可以取一個輿情文本中詞頻較大的前n個詞組成特征向量，從而使特征向量的維數(shù)降低，方便處理，使用K-means聚類方法完成用戶劃分工作。

3 實驗和結(jié)果分析

從某網(wǎng)站社區(qū)論壇中隨機(jī)選取100名用戶，獲取標(biāo)注詞396個，按前述的過程進(jìn)行標(biāo)注詞向量的生成，然后用K-means方法進(jìn)行聚類，聚類結(jié)果如圖1所示。從圖中可以看出樣本數(shù)據(jù)被聚成了4類，聚類結(jié)果較均勻。按照譜聚類生成的聚類結(jié)果對用戶進(jìn)行分析。

用戶使用較多的“雜談”“見聞”“意見”“呼吁”4個標(biāo)注詞進(jìn)行分析：第一類用戶為興趣廣泛型用戶，對每一類主題都會發(fā)出自己的聲音，各類標(biāo)注詞均使用較多。第二類用戶興趣主要集中在社會見聞和雜談感受方面，喜歡對社會生活進(jìn)行自己的思考和評述，所以，“見聞”和“雜談”標(biāo)注詞使用較多。第三類用戶顯然在論壇中扮演“評論者”或“倡導(dǎo)者”的角色，喜歡提出自己對事物的意見和看法，所以，“意見”和“呼吁”標(biāo)簽使用較多。第四類用戶屬于“一般瀏覽者”，其特點是發(fā)帖數(shù)量少而且很少進(jìn)行文檔標(biāo)注。分析結(jié)果如表1所示。

4 結(jié)語

本文提出了一種基于標(biāo)注詞的網(wǎng)絡(luò)輿情用戶聚類方法，并對網(wǎng)絡(luò)輿情用戶樣本進(jìn)行了聚類實驗，聚類效果較好。在一定程度上豐富了網(wǎng)絡(luò)輿情用戶分類的研究視角，下一步可以在此基礎(chǔ)上進(jìn)行輿情熱點發(fā)現(xiàn)、輿情發(fā)展趨勢分析和預(yù)警等方面的研究工作。