中英文突发事件话题演化对比研究.docxVIP

? ? 中英文突发事件话题演化对比研究 ? ? 　　1 引言 　　微博是近年来新兴的一种网络信息传播方式。自2006年Twitter问世以来，类似的服务如雨后春笋般在各个国家出现，由于其便捷性、即时性、互动性、裂变式传播等特点，微博迅速成为公众信息交流的新型平台，世界各地越来越多的用户在微博上表达自己的观点。截至2015年6月，我国微博用户规模为2.04亿，其中使用新浪微博的用户占69.4%[1]；Twitter的活跃用户为3.16亿[2]。根据万瑞数据调研报告显示，在微博用户中，通过微博进行自我表达和讨论社会事件的人数超过了60%，通过微博了解和发布对大事件和突发事件的观点用户占96%[3]，在突发公共事件发生发展过程中，微博起着独特的传播作用。研究微博上重大新闻事件以及突发公共事件的话题演化，可以辅助人们了解、管理与控制突发事件，国内外学者纷纷以新浪微博和Twitter为平台，研究突发事件的主题、人物等相关特征。 　　纵观现有研究与应用，我们发现鲜有针对某一特定突发事件的中英文微博差异研究。由于中英文存在文化和语言等方面的差异，这导致中文微博与Twitter上网络群体对待突发事件的讨论和交流也会出现一定的差异。因此，本文以新浪微博和Twitter这两种不同语种的微博平台为研究对象，从这两个平台上抓取H7N9禽流感事件中英文语料，使用主题模型的方法抽取候选话题，对候选话题聚类确定更为合适的话题数，然后再次使用主题模型的方法进行话题建模以确定最终话题，在此基础上计算主题相似度和热度，完成中英文H7N9话题演化的比较分析。结果发现，新浪微博和Twitter在话题数目、话题内容等方面存在一定的差异；除此之外，对新浪微博和Twitter上H7N9禽流感事件话题演化的可视化可以呈现出话题的新生、延续、消亡和孤立以及话题内容随时间的变化。 　　2 相关研究工作概述 　　作为社会化媒体的重要代表和突发事件舆情传播的平台，微博广受学界关注[4-10]。 　　话题的演化反映了一个新闻话题从提出、发展、衰亡到结束的过程。2010年，单斌等人[11]根据引入时间方式的不同，总结了三种不同的演化方法：（1）将时间作为可观测变量结合到LDA模型中；（2）在整个文本集合上用LDA模型生成话题，然后按文本的时间信息，根据话题后验离散地分析话题随时间的演化；（3）将文本集合先按一定时间粒度离散到相应的时间窗口，在每个窗口上运用LDA模型来获取演化。 　　国内外很多学者提出了不同的方法来研究话题检测及追踪，并进行了实证研究，比如： 　　2009年，Sayyadi等人[12]提出了基于关键词共现的事件检测算法，用以分析事件和追踪事件的发展，并对该算法进行了实证分析。 　　2010年，Ramage等人[13]用半监督的Labeled LDA对Twitter上一周的数据进行实验，将话题分为物质类、状态类、风格类和社交类四种类型，分析了四种话题的强度差异。Sakaki等人[14]把Twitter用户当做社会传感器，对微博根据关键词、词频和上下文等特征进行分类，借助Twitter的实时性，检测实时目标事件。 　　2011年，高田[15]以从国内各门户网站收集的“香港游客在菲律宾被劫持”旅游突发事件相关的Web文档为实验数据，对此事件进行了主题追踪的研究。同年，Zhao等人[16]比较了Twitter和New York Times上话题的类型，将话题分为事件型、实体型和持续型三种类型，从分布、内容、覆盖程度、转发程度等方面对比分析了话题在两种媒体上的差异。 　　2012年，Li等人[17]提出了一个基于Twitter事件检测分析系统（TEDAS），检测新事件、分析事件的时空模式以及识别事件的重要性。同年，Hu等人[18]提出了联合贝叶斯模型，在同一个框架内执行主题模型和事件分割，以2011年5月19日奥巴马中东演讲和2011年9月7日共和党初选辩论两个事件的微博数据集为实验数据，对该模该模型进行了定量和定性评估。 　　2013年，Abdelhaq等人[19]开研发了Even-Tweet系统，根据用户所发微博及其时空信息，检测当地实时事件以及跟踪事件随时间的演化，并以欧洲2012年欧洲足球锦标赛的微博为实验数据，进行了实证研究。同年，赵克[20]以腾讯微博平台上“北京暴雨”和“八宝矿难”两个突发事件为例，通过基于主题词共现网络的突发事件子话题挖掘方法，挖掘突发事件中隐含的舆论焦点子话题。 　　2014年，周振宇和李芳[21]选取新浪新闻和新浪微博两个平台上“小悦悦”、“金正日”、“华尔街”、“天宫一号”四个不同种类的事件的语料集，从话题关注度、词汇差异度、话题演化度三个方面对两种媒体的差异性进行了对比分析。同年，张玥等人[22]以新浪微博和新浪新闻为比较平台，以打