基于本体的网络舆情观点挖掘方法研究.docVIP

基于本体的网络舆情观点挖掘方法研究摘要：随着互联网的不断普及和发展，互联网延续了突发公共事件和热点话题此起彼伏的状态，网民的表达意愿和参与意识持续高涨，踊跃发声建言，在一系列突发事件上，“新意见阶层”进一步凸显出网络舆论的巨大能量，从而形成网络舆情。本文从网络舆情的概念出发，引出观点挖掘在网络舆情中的应用，基于本体构建了一个观点挖掘系统，提取网络舆情评论中的正面和负面评论，并进行比较。该系统能够为用户提供更加准确的情感倾向性分析结果 关键词：观点挖掘 本体 网络舆情 1、网络舆情的概念 中国互联网络信息中心(CNNIC)XX年1月发布的《第27次中国互联网络发展状况统计报告》[1]显示，截至XX年 12 月，中国网民规模达到4.57 亿，我国网民规模已占全球网民总数的23.2%。网络新闻用户规模达3.5亿人,博客及论坛的用户规模也分别达到2.9亿和1.4亿。如此庞大的受众群体和如此丰富的应用，使得大量进步、有益的信息得以共享，同时也给不少反动、低级的言论提供了传播途径，使之成为引发群体性事件、社会突发事件等的重要隐患 刘毅将网络舆情[2]定义为：“由个人以及各种社会群体构成的公众通过互联网表达和传播，对自己关心或与自身利益紧密相关的各种公共事务所持有的多种情绪、意愿、态度和意见交错的总和”。网络舆情通常是来源于社会现实事件，而人们将表达和传播对该事件意见的场所拓展到了互联网上，从而形成强大的网络舆论势力。网络舆情的主体是参与讨论的网民，而其客体则是网络舆情事件本身或者公共事件；另一方面网络舆情又具有直接性、突发性、偏差性，因此，进行网络舆情监控系统建设、防范负面网络舆情危害社会于未然，显得特别重要。挖掘这些舆情观点可以为舆情管控工作提供有效的参考依据，并且能及时了解民众的心声 2、观点挖掘及其研究现状 观点挖掘由传统的数据挖掘技术演变而来。观点挖掘（Opinion Mining）又称为文本意见挖掘或情感倾向性分析等，涉及到自然语言处理、信息检索、数据挖掘等多个研究领域。观点挖掘旨在抽取网络文档中所评论对象的属性和组成要素，用以判定评论是正面的、负面的或中立的。网络舆情是观点在网络上的表达，因此可以使用观点挖掘技术对网络舆情进行分析 目前观点挖掘主要从文档、句子、特征三个级别进行分析，其方法主要有语义相关度计算和机器学习方法。语义相关度计算大多基于极性词典进行，计算主体的褒贬程度，比较有代表性的研究是Turney提出的PMI-IR方法。但是，人们通常对于某一话题进行观点表达的时候除了对总体上的评价外，还包括对其中某个部分或者特性的评价，特征级别的观点分析主要是应用于产品特性的抽取和对特性发表观点的抽取，Hu和Liu(2004，2005)提出一些抽取产品特征及观点的方法。Liu, Wu和Yao(2006) 研究观点搜索的问题，他们的目标是搜索产品的具体特征和并且在产品评论中找到它们 在机器学习方法方面，代表性的研究是Pang等人以Usenet上的电影评论作为语料进行了研究,采用了不同的特征选择方法和机器学习方法(朴素贝叶斯，最大熵和支持向量机)进行挖掘比较，结果显示支持向量机取得比较好的结果。Chaovalit和Zhou (2005)比较了语义倾向方法和机器学习方法，将两种方法用于电影评论，发现机器学习方法更加可靠 3、基于本体的观点挖掘系统 3.1 本体的概念 本体（Ontology）通常被称为领域模型（Domain Model）或概念模型（Conceptual Model），是关于特定知识领域内各种对象、对象特性以及对象之间可能存在的关系的内容理论。本体已经成为知识工程、知识管理、自然语言处理、智能信息集成等各方面研究的热点 3.2 观点挖掘系统总体设计 目前基于计算词语和种子词集相似度的情感分析研究不够充分，因此本文提出了一个高效的结合分析方法。这个方法加入了领域本体，可以更好地识别领域词汇；使用有指导的机器学习技术从文档中抽取观点和特征，加强接下来的分类任务；在情感分类方面使用较为高效的支持向量机(SVM)在特征级别将文档归为正面、负面。利用上述思想设计基于本体的观点挖掘系统，系统的结构如图1： 图1 观点挖掘系统整体架构 系统主要关注特征级别的情感分类，词性标注、情感特征识别、情感特征为三个关键模块： （1）词性标注 使用哈尔滨工业的大学的LTP工具将每个文档进行分词处理，并对每个词使用POS (part-of-speech)标签标注（如动词、名词等） （2）识别情感特征 已有的语言结构具有信息交换及检索上的不足，因此在这个系统中，首先使用FCA分析方法构建一个领域概念结构即本体，然后使用领域本体抽取特征 （3