李宇圣，李柏松，楊宜穎

（南華大學計算機學院，湖南衡陽，421200）

0 引言

情感分析作為輿情分析的一個重要模塊，主要負責從大量原始文本數(shù)據(jù)中提取情感文本信息，并將得到的文本情緒用于進行下一步文本分類。然而目前的大部分輿情分析系統(tǒng)僅僅考慮了文本的情感，并沒有考慮到文本的情感與產(chǎn)生改情感的內(nèi)容是相關的，降低了輿情分析系統(tǒng)的準確性。并且目前得到文本情感產(chǎn)生的原因需要事先對文本的情感進行標注，這一過程耗費了大量的人力，含有一定的誤差。

最近，文獻[1]提出了一種有效提取情感文本并檢測情感，原因子句的新方法。本文首次將這種情感-原因配對方法用于青少年輿情分析系統(tǒng)。受人類邏輯表達的啟發(fā)，情感態(tài)度和對應原因句一般會在短文中同時出現(xiàn)。例如，有的學生發(fā)微博說“我終于找到了失蹤的錢包，今天有點小開心”。這句話的前半部分是情緒產(chǎn)生的原因，后半部分代表的是他的情感態(tài)度。通過進行情感-原因的配對和過濾，我們能輕松分析出青少年的（尤其是在校學生）心理狀況，進一步幫助校園決策者正確引導學生持續(xù)健康發(fā)展。

總的來說，本文基于情感-原因配對方法設計了一個適用于青少年的輿情分析系統(tǒng)，利用爬蟲技術，特征提取，情感分析，注意力機制和可視化技術登一系列方法步驟，有效地將情感-原因配對方法融入輿情分析系統(tǒng)。通過分析民眾在社交媒體下的評論或博客，從而提取對應所表達的情感及原因，再將其一一配對并進行可視化展示，這將有助于年級管理員更加精準把握青少年學生情緒起伏的原因，找出影響校園環(huán)境穩(wěn)定的事件，防止負面輿論的進一步擴大。本文的主要貢獻總結(jié)如下：

首先,我們?nèi)嫜芯苛水斍暗妮浨榉治鱿到y(tǒng)及其不足之處。當前的輿情分析系統(tǒng)普遍使用手動標注情感，這不但僅導致增加了人力物力的額外開支，還會導致標注結(jié)果的偏差，最終致使輿論分析不準確。

其次，針對上述問題，我們將情感-原因配對分析和注意機制融入輿情分析系統(tǒng)，更好地從輿論信息中探索青少年的情緒及其潛在或直接原因，減少了大量不必要的人力和物質(zhì)資源開銷，進一步提高了輿情分析的準確性。

最后，我們構(gòu)建了一個基于情感-原因配對分析的學生輿情分析系統(tǒng)，其中的輿論分析模塊可以定時自動分析輿論信息。我們對系統(tǒng)進行了測試，結(jié)果表明該系統(tǒng)能夠達到自動智能分析的預期效果。

1 輿情分析與情感分析

輿情分析系統(tǒng)能夠高效準確地跟蹤、控制輿情的走向與發(fā)展，提高網(wǎng)絡輿情的引導、管理水平，掌握信息傳播的主動權。而情感提取是網(wǎng)絡輿情分析技術的關鍵步驟之一。通過設計恰當?shù)乃惴▽Λ@取的數(shù)據(jù)進行分析，發(fā)現(xiàn)用戶的情感傾向，能夠更好地幫助輿情分析系統(tǒng)得到產(chǎn)生輿情的原因，并對其的傳播影響、輿情等級進行評估，采用合理的手段對輿論進行引導和管控。在本節(jié)中，我們主要討論輿情分析的相關工作，我們將這些相關的工作分為輿情分析的介紹以及情感提取兩類。

1.1 輿情分析

社交媒體用戶在網(wǎng)上發(fā)布的評論可以被有益地用于提取有意義的信息，從而支持決策者在整個政策周期中的行動，提供了一個一個快速而廉價的信息流[2]。文獻[3]等人將輿情監(jiān)測系統(tǒng)分為輿情信息采集、輿情信息處理、輿情信息分析、輿情服務四個部分。針對基于關鍵字統(tǒng)計的輿情分析系統(tǒng)，文獻[4]提出了一種基于語義內(nèi)容識別的網(wǎng)絡輿情監(jiān)測分析系統(tǒng)框架，解決了輿情分析系統(tǒng)中的一些關鍵問題。文獻[5]通過對熱點自動發(fā)現(xiàn)和深入分析技術的研究，建立了基于數(shù)據(jù)挖掘的敏感信息分析框架，設計了敏感信息挖掘方法，有效地彌補了傳統(tǒng)輿情監(jiān)測系統(tǒng)難以應對輿情變化的缺點，增強了實用性。文獻[6]提出了基于流的實時主題計算、基于查詢文檔的主題匹配和字段增強等方法，提高了輿情監(jiān)測系統(tǒng)的準確性。

1.2 情感分析

情感分析和觀點挖掘是從書面語言中分析人們的觀點、情感、評價、態(tài)度和情感的研究領域。它是自然語言處理中最活躍的研究領域之一[7][8]，在數(shù)據(jù)挖掘、Web挖掘和文本挖掘中也得到了廣泛的研究。事實上，這項研究已經(jīng)從計算機科學擴展到管理科學和社會科學，因為它對企業(yè)和整個社會都很重要[9][10]。文獻[11]提出了一種基于知識的學習方法，能夠通過主題模型的選擇偏好，進行粗粒度的語義消歧方法，提高了情感分析的準確性。然而目前互聯(lián)網(wǎng)上的信息有多種呈現(xiàn)形式，因此文獻[12-15]提出了多模態(tài)情感分析的任務，通過視覺、聽覺和文本特征的聯(lián)合使用極大地提高了效率。

情感原因提?。‥motion cause extraction，ECE）是一項旨在提取文本中某些情感背后的潛在原因的任務，近年來由于其廣泛的應用而備受關注。在長文本中根據(jù)事先注釋好的情緒尋找相對應的原因，他們構(gòu)建了一個小的中文語料庫進行測試。針對于算法存在兩個缺點：1）在提取原因之前，必須對情感進行注釋，這大大限制了它在現(xiàn)實場景中的應用；2） 先詮釋情感，然后提取原因的方法忽略了它們是相互指示的事實。文獻[16]提出了一個新的任務：情緒-原因?qū)μ崛。‥CPE），旨在提取文檔中潛在的情緒對和相應的原因。通過多任務學習進行個體情感提取和原因提取，然后進行情感-原因配對和過濾，很好地解決了ECE中存在的問題。

在輿情分析中，情感分析是極其關鍵的一個模塊，如果能在情感分析階段將情感以及情感背后潛在的原因提取出來，將極大地提高輿情分析的精度。然而目前的輿情分析系統(tǒng)需要進行人工標注，首先標注情感，再通過神經(jīng)網(wǎng)絡挖掘出產(chǎn)生情感的原因。然而這需要極大的人力，且忽略了情感和對應的原因是相互關聯(lián)的。因此我們將基于因果分析的情感原因提取加入到輿情分析系統(tǒng)中，使整個輿情分析系統(tǒng)能夠擺脫人工標注的難題，提高輿情分析系統(tǒng)的效率，減少經(jīng)濟上的開銷。

2 基于“情感-原因配對”方法的輿情系統(tǒng)設計

2.1 總體設計流程

如圖1所示，首先我們通過聚焦式網(wǎng)絡爬蟲獲得初步文本數(shù)據(jù)，然后對獲取的文本數(shù)據(jù)進行特征提取，在處理后的特征集中，提取文本中的關鍵字來形成特征。在保證文本原有的核心信息的基礎上，減少需要處理的詞匯數(shù)量，在接下來的情感分析任務中引入注意力機制,可以使神經(jīng)網(wǎng)絡更多地關注文本中包含情感信息較多的部分，最后我們基于因果關系對處理后的文本信息進行分析，通過多任務學習進行個體情感提取和原因提取，然后進行情感-原因配對和過濾，提取關鍵字得出情感等級，最后制成情感等級折線圖和詞云圖進行數(shù)據(jù)的可視化展示。

圖1 總體設計流程

2.2 輿論數(shù)據(jù)采集

大數(shù)據(jù)時代數(shù)據(jù)量突增，數(shù)據(jù)結(jié)構(gòu)復雜多變，冗余信息占比高,為了更好的解決文本原因情感提取所需要資源來源，本文提出基于聚焦式網(wǎng)絡爬蟲的輿情獲取技術，并使用webmagic爬蟲框架。WebMagic由四個組件(Downloader、PageProcessor、Scheduler、Pipeline)構(gòu)成，將這些組件結(jié)合并完成多線程的任務后，你基本上可以對爬蟲的功能做任何定制。

與通用爬蟲不同，聚焦網(wǎng)絡爬蟲并不追求大的覆蓋，而將目標定位抓取與主題相關的特定網(wǎng)頁，爬取廣度小，精確度高，極大地節(jié)省了硬件和網(wǎng)絡資源。

我們提出的聚焦式網(wǎng)絡爬蟲技術主要分為四個模塊，如圖2所示：（1）瀏覽器模塊，利用該模塊能模擬瀏覽器的一個請求發(fā)送過程，利用不同協(xié)議去獲取URL信息。（2）URL隊列模塊，給爬蟲程序創(chuàng)造隊列，用于存放爬到的URL地址。（3）時間模塊，用于創(chuàng)建進程的睡眠時間，使爬蟲程序可以按用戶需求定時執(zhí)行任務。（4）數(shù)據(jù)庫模塊，通過調(diào)用該模塊，可以連接數(shù)據(jù)庫，并通過編寫數(shù)據(jù)庫語句，使程序能夠?qū)?shù)據(jù)庫進行操作。

圖2 基于聚焦網(wǎng)絡爬蟲的輿論數(shù)據(jù)采集技術

2.3 特征提取方法

社交媒體帶來了大量的網(wǎng)絡數(shù)據(jù)，其中通常包含復雜而多樣的文本信息，使得情緒分析難以計算。針對這一問題，我們提出了一種基于注意機制的深度學習特征提取方法。該方法能從大量信息中有選擇地篩選出重要信息并且聚焦到這些內(nèi)容上,同時忽略大多數(shù)不重要的信息，比如從文本中包含的大量詞匯中，抽取出識別度比較高的詞匯，在處理后的特征集中通過相關技術可以抽取出關鍵詞構(gòu)成特征，在保證文本原有的核心信息的基礎上，去除區(qū)分度小的、影響力小的詞匯，減少需要處理的詞匯數(shù)量，從而降低向量空間的維數(shù)，簡化計算，提高文本處理的速度和效率。在接下來的情感分析任務中引入注意力機制,可以使神經(jīng)網(wǎng)絡更多地關注文本中包含情感信息較多的部分。

圖3展示了特征提取方法的總體思路：從整個深度學習模型中提取特征向量，編碼器對輸入序列中的每個項進行處理，并通過編譯捕獲輸入信息（稱為上下文）。在處理完整個輸入序列之后，編碼器將上下文發(fā)送到解碼器，解碼器逐項開始產(chǎn)生輸出序列；在上下文信息中不妨假設我們想要得到第i個詞語的表征，對于包含第i個單詞的單詞組合，會生成兩個輸出：一個用于特征提?。ňG色圓圈），另一個用于注意力加權（紅色圓圈）。這兩個輸出可能共享同一個網(wǎng)絡，但在本文中，我們?yōu)槊總€輸出設立單獨的網(wǎng)絡。在得到最后的注意力權重之前，注意力（紅色圓圈）的輸出通過需要經(jīng)過sigmoid和softmax層的運算。這些注意力權重會與提取出的特征相乘，以得到詞語的表征。

圖3 輿情分析中的特征提取方法

2.4 輿情分析與可視化展示

經(jīng)過聚焦式爬蟲對文本資源的篩選以及對文本進一步的特征提取，我們采用情感-原因部分提取技術，把處理過后的文本通過多任務學習（原因提取和情感提取能相互改善）進行個體情感提取和原因提取，然后進行情感-原因配對和過濾，提取出關鍵字和學生情緒正負及其強度，最后進行數(shù)據(jù)的可視化展示，如圖4。

圖4 輿情分析與可視化展示

具體實現(xiàn)和流程圖如下：

第一步，將一條博客分成幾個子句或詞組。提取出博客中一系列的情感子句和原因子句。

第二步，將笛卡爾積應用于情感子句組和原因子句組，獲得所有可能的情感-原因子句對。所有可能的情緒-原因?qū)Χ加扇齻€特征向量表示：情緒子句、原因子句和兩個子句之間的距離（即相關性）。然后將訓練好的邏輯回歸模型檢測每個可能的情感-原因子句對，篩選出有因果關系的情感-原因子句對。

第三步，分別從每對情感-原因?qū)Φ那楦凶泳渲杏嬎愠銮楦袕姸?，原因子句中提取出關鍵詞或字。

第四步，以月或天為單位作時間—情緒強度折線圖和詞云圖進行可視化展示。數(shù)據(jù)的呈現(xiàn)也是一種分析，之后管理人員直接通過這些數(shù)據(jù)，結(jié)合當下情況做貼合實際的分析。通過詞云圖，我們可以知道公眾最近在關注的問題以及生活中的重大事件，以便于更好地了解相關情況，及時給與回應。通過時間—情緒強度折線圖，我們可預測下一個輿情高漲點在何時出現(xiàn)，重點關注此刻需要留意人群的情況。

3 總結(jié)

本文主要總結(jié)了現(xiàn)有的輿情分析系統(tǒng)中存在的問題。在青少年成長過程中持續(xù)關注他們的身心健康發(fā)展至關重要。輿情分析系統(tǒng)能夠高效準確地跟蹤、控制輿情的走向與發(fā)展，提高網(wǎng)絡輿情的引導、管理水平，掌握信息傳播的主動權。基于因果的情感分析則能減少輿情分析系統(tǒng)中人為標注所帶來的問題。根據(jù)目前我們所了解到的研究，我們是首個將基于因果的情感分析結(jié)合注意力機制融入到輿情分析系統(tǒng)中。在以后的工作中，我們會持續(xù)改進，利用分析得到的信息為個人提供可靠建議。