协同讨论观点影响度分析方法及其应用.pdfVIP

协同讨论观点影响度分析方法及其应用· 刘晓平沈冠町 合肥工业大学计算机与信息学院，安徽合肥230009 搐要：随着大量网络协同讨论平台的产生，讨论的参与者已经突破了地域的限制，讨论的内容与 深度也随之爆炸性的增长．如何在含有大量冗余信息的讨论中，快速找到讨论的核心与当前热点话题， 是推进讨论快速进行的关键．本文提出一种观点影响度分析方法．通过基于How-net语义词典的语义 相似度分析方法，帮助讨论观点自动分类，并通过可视化手段将观点之间的影响程度实时展现出来， 辅助人们在杂乱的讨论过程中把握中心观点和当前热点。 关键词：协同讨论How-net影响度可视化 1引 言 讨论是人们围绕问题互相交流观点、启发思维火花的一种有效方式IlJ。20世纪80年代互联网技术开始 飞速发展，美国前副总统阿尔戈尔在1998年提出了数字化地球的设想【2】。如今随虚拟社交网络的发展，应 运而生的各大论坛、博客、各种交友工具提供的聊天室为用户对各类问题的讨论提供了开放、有效的言论 平台。由此，讨论参与者的范围开始突破地域的限制。群体讨论的问题不再局限于解决某个实际的自然科 学问题，更在于对抽象化社会科学问题的讨论。社会科学问题是一种宏观的、普遍的社会想象的抽象pJ。所 以各个社会层次、各个领域的人都可以针对社会科学问题交换自己的观点 针对社会科学问题的讨论，旨在发现不同认识的矛盾，随着讨论的进行，逐步对矛盾进行剖析，得到 针对问题的合理的解答。虽然互联网解决了讨论的地域范围，但大规模社会科学问题的讨论仍然存在其难 点：1．长时间拘泥于与核心问题无关的讨论中，2．好的想法可能被忽略，无法被深入讨论下去【31，3．无法在 开放式问题的讨论中，把握讨论的热点。4．缺乏有效的手段展示整个讨论过程，辅助讨论者清晰讨论趋势。 雕 图1协同语义理解方法对问题讨论过程的促进效果图 对于大规模群体讨论中，存在的问题，文献‘41提出了一种由参与者驱动的双向思维导图PT／V皿V／为讨论 年度创新基金(KS20i0065) 作者简介；刘晓jlz(1964-)，男，山东济南人，教授，博导，研究方向为建模、仿真与协同计算．沈冠町(1984-)，女，江苏南京人， 硕士研究生。研究方向CSCW． 过程建模的方法，这种为讨论建模的思想值得我们借鉴，但是在讨论过程中完全依赖记录员的经验判断， 完成模型的建立，存在以下诸多问题： ①模型的建立对人的依赖性过强，必将导致模型生成结果的不确定性，可靠性不强 ②在讨论模型建立的过程中，仅仅用各结点的深度和广度作为它是否为热点问题的判断标准，缺乏科学性。 针对以上问题，结合对讨论过程建立PTMM模型的基本理论思想，本文提出一种基于语义理解和观点 自动归类的讨论过程建模方法，并在讨论过程建模中，动态展现观点之间相互影响的程度，相比文献141提出 的模型，在观点归类步骤中增加了可靠性，动态展现观点之间的影响程度，帮助参与者清晰把握当前的讨 论的热点及中心。辅助针对问题讨论的有效展开。 2观点的语义分析 2．1相关定义 对讨论过程中观点的分类，我们通过观点关键字的语义相似度分析，将观点之间的语义距离计算转化 为观点关键字之间的语义距离计算完成对观点的分类。语义相似度计算涉及到对自然语言的处理，目前 概念为描述对象，以揭示概念与概念之间及概念具有的属性为基本内容的常识知识库。鉴于本文讨论模型 的应用背景以中文环境为主，我们采用How-net为本文的语义知识资源库。 定义1义原：知网中不能再分割的意义的最小单位。本文义原用m，表示。【4】 定义2义项：一个词语包含多个义项形={眠)，％)…{M)，多个义原组成一个义项 M={啊1，％万。。呢。 定义3基本义原：义项中的第一个义原码，，表示每个义类的最基本语义。 如“坏”这个字对应四个义项{属性值，好坏，坏，莠)，{损坏}，{坏掉，念头}，{恶)，其中{属性值， 好坏，坏，莠}为它的基本义原。 How-net采用义原对概念进行描述。即用1500个分属事件、实体、属性等10个类别的词语作为义原， 采用“，”，‘‘％”，‘‘}}”等符号表示义原之间的关系如表1所示。利用义原和义原间的关系表示描述任何一个 短语，表2所示How-net表示短语的几种方式。