基于概率主题建模和深度学习公众舆情分析.PDFVIP

CNAIS 2015 基于概率主题建模和深度学习的公众舆情分析* 1 1 2 1 劳鑫 ，马宝君 ，张楠 ，万岩 (1. 北京邮电大学 经济管理学院，北京 100876；2. 清华大学 公共管理学院，北京 100084) 摘 要：随着互联网的迅猛发展，公众逐渐开始通过社交媒体来发表自己对于社会事件的看法。在Web 2.0 时代 公众广泛参与的理念下，对上述信息的有效分析并将结果以合理形式展现对于舆情监测有着重要意义。鉴于此， 本文提出了一种新颖的基于社交平台的舆情分析方法，采用概率主题模型LDA 抽取公众对于某一事件的不同主 题观点，利用深度学习的word2vec 模型计算出每条文本的情感强度，分别对事件整体以及事件下各潜在主题进行 情感强度时序分析，跟踪事件发展过程中公众的情感强度变化，并通过案例分析验证了该方法的合理性与有效性。 关键词：公众舆情分析；概率主题模型；深度学习；情感强度；时序分析 点事件的发展走势，还是对于社会舆情的分析与 1 引言 管理，甚至是对于有关人员解决该事件的方法， 随着互联网的不断普及与发展，公众的参与 对公众情感强度变化进行分析和预测都是极其重 性正在逐步提高，他们不仅仅只是从网络上获取 要的。 信息，更多地开始参与信息的发布、表达自己的 以往的相关研究更多地是关注于热点事件的 看法与见解。特别是随着各类社交平台的广泛应 发现，而对于热点事件的情感强度追踪关注较少。 用，越来越多影响力较大的社会热点事件都是通 本文从概率主题模型以及深度学习的视角出发， 过社交媒体爆料而引发公众关注，社交平台开始 结合时间序列分析方法，提出了一种新颖的基于 作为一项重要的互联网舆情源，网络舆情的“微内 话题情感强度的社会事件舆情分析方法，实现了 容”程度化日益加剧。在这种背景下，挖掘社交平 基于社交平台的社会热点事件追踪。通过 LDA 台上公众对于某一热点事件的意见与看法，并根 模型，发现公众对于某个热点事件的不同观点与 据事件发展对公众情感强度的变化趋势进行分析 看法，并将其分布到各个对应的主题当中；通过 与预测，对于舆情监测预警具有非常重要的意义。 word2vec 模型，计算对应语料中所有词的词向 由于社交平台上相关数据量的巨大规模，人 量，通过计算余弦距离的方式获取情感词及其对 们往往无法在短时间内详细了解公众对于某一社 应的情感强度；通过时间序列分析方法，将各时 会热点事件的不同观点。并且随着时间的推移， 间段内各项数据的情感强度进行累加，跟踪事件 公众对于该事件也会产生新的认识与看法。因此， 发展过程中公众的情感强度变化情况。本文选取 随着信息技术的不断发展，基于舆情分析的需要， 了2015 年5 月发生于四川成都的“女司机变道被 能够简单、全面、快捷、有效地了解公众对于某 暴打”事件作为研究案例，并抓取了新浪微博上关 一社会事件的讨论，获取公众讨论内容的潜在主 于该事件的相关评论进行分析，展示了初步分析 题，就显得愈发重要。此外，随着对应事件的不 的结果以及该研究方法的有效性。 断发展，公众对其的情感强度也会随之改变。特