Please wait a minute...
Advanced Search
现代图书情报技术  2016, Vol. 32 Issue (7-8): 51-59    DOI: 10.11925/infotech.1003-3513.2016.07.07
  本期目录 | 过刊浏览 | 高级检索 |
评论簇在网络舆论中的情感倾向代表性研究*
杨小平,马奇凤,余力(),莫雨婷,吴佳楠,张悦
中国人民大学信息学院 北京 100872
Gauging Public Opinion with Comment-Clusters
Yang Xiaoping,Ma Qifeng,Yu Li(),Mo Yuting,Wu Jia’nan,Zhang Yue
School of Information, Renmin University of China, Beijing 100872, China
全文: PDF(1619 KB)   HTML ( 33
输出: BibTeX | EndNote (RIS)      
摘要 

目的】验证评论簇在网络舆论中具有情感倾向代表性作用。【方法】提出基于社会网络分析的评论簇对象情感倾向性分析模型。针对网络新闻事件, 以新闻的用户评论(评论总集)为语料数据, 对语料数据进行结构化处理和分析, 借助评论主体的形式化关系, 建立具有网络节点和拓扑连接关系的知识图谱, 寻找最优评论簇。以评论簇的评论主体及其对应的评论对象为主, 对评论簇内的核心人物及其评论进行语义分析, 计算得到评论簇情感倾向, 并与对应新闻的评论总集情感倾向作对比。【结果】实验结果表明, 评论簇和评论总集中的情感强度趋于一致, 新闻的评论簇对新闻具有较好的情感倾向代表性, 并能将网络舆情对象情感挖掘算法的性能提高58%。【局限】由于本文的评论簇对象情感倾向性分析模型在情感特征词识别和抽取方法上使用不够完善, 导致少量中文分词和词性标注错误、语法依存关系错误, 且未将程度词考虑在内。【结论】评论簇在网络舆论中具有情感倾向代表性作用, 可提高网络舆情对象情感计算的性能, 可灵活有效地降低舆情分析的时间和空间复杂度。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
杨小平
马奇凤
余力
莫雨婷
吴佳楠
张悦
关键词 语义网络知识图谱核心人物网络舆情评论簇情感倾向计算    
Abstract

[Objective] The paper examines the role of comment-clusters in public opinion mining. [Methods] We proposed a model to study the Comment-Clusters based on social network analysis techniques. First, we collected comments received by online news reports on three trending events as raw data. Second, we analysed structures and contents of these comments with the help of the vector relationship among them to identify the best comment-clusters. Finally, we conducted semantic analysis of the key players and their comments to investigate their sentiments and then compared them with those of the whole data set. [Results] The sentiments got from the whole data set and the comment-clusters were very close to each other. Comment-Clusters improved the performance of public opinion mining algorithm. [Limitations] The method of identifying and extracting sentiment words might yield errors. [Conclusions] The comment-clusters improve the sentiment orientation computing, which helps us obtain the public opinion more efficiently.

Key wordsSemantic network    Knowledge mapping    Key person    Web public opinion    Comment-Clusters    Sentiment orientation computing
收稿日期: 2016-01-25     
基金资助:*本文系北京市教育委员会科技计划面上项目“文本挖掘若干关键问题的研究”(项目编号:KM201511232016)和国家自然科学基金项目“推荐-采纳模式下的病毒营销用户影响研究”(项目编号: 71271209)的研究成果之一
引用本文:   
杨小平,马奇凤,余力,莫雨婷,吴佳楠,张悦. 评论簇在网络舆论中的情感倾向代表性研究*[J]. 现代图书情报技术, 2016, 32(7-8): 51-59.
Yang Xiaoping,Ma Qifeng,Yu Li,Mo Yuting,Wu Jia’nan,Zhang Yue. Gauging Public Opinion with Comment-Clusters. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2016.07.07.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2016.07.07
[1] 石彭辉. 基于社会网络分析的网络舆情实证研究[J]. 现代情报, 2013, 33(2): 27-31.
[1] (Shi Penghui.Empirical Studies of Network Public Opinion Based on Social Network Analysis[J]. Journal of Modern Information, 2013, 33(2): 27-31.)
[2] 刘继, 李磊. 基于微博用户转发行为的舆情信息传播模式分析[J]. 情报杂志, 2013, 32(7): 74-77.
[2] (Liu Ji, Li Lei.Analysis of Public Opinion Propagation Mode Based on Repost Behavior of Microblog Users[J]. Journal of Intelligence, 2013, 32(7): 74-77.)
[3] 林江豪. 中文微博情感分析关键技术研究[D]. 广州: 广东外语外贸大学, 2013.
[3] (Lin Jianghao.Research on Key Techniques of Chinese Micro-blog Sentiment Analysis [D]. Guangzhou: Guangdong University of Foreign Studies, 2013.)
[4] 赵德伟, 徐正巧.基于社会网络分析的网络舆情数据挖掘[J]. 福建电脑, 2014, 15(8): 15-16, 50.
[4] (Zhao Dewei, Xu Zhengqiao.Network Public Opinion Data Mining Based on Social Network Analysis[J]. FuJian Computer, 2014, 15(8): 15-16, 50.)
[5] 杜嘉忠, 徐健, 刘颖. 网络商品评论的特征-情感词本体构建与情感分析方法研究[J]. 现代图书情报技术, 2014(5): 74-82.
[5] (Du Jiazhong, Xu Jian, Liu Ying.Research on Construction of Feature-Sentiment Ontology and Sentiment Analysis[J]. New Technology of Library and Information Service, 2014(5): 74-82.)
[6] 韩瑞凯. 基于社区发现的网络舆论导向系统研究与应用[D]. 北京: 北京交通大学, 2010.
[6] (Han Ruikai.Research and Application of Network Consensus Guidance System Using Community Detection [D]. Beijing: Beijing Jiaotong University, 2010.)
[7] 肖正, 刘辉, 李兵. 一种基于语义距离的Web评论SVM情感分类方法[J]. 计算机科学, 2014, 41(9): 248-252, 284.
[7] (Xiao Zheng, Liu Hui, Li Bing.SVM Sentiment Classifier Based on Semantic Distance for Web Comments[J]. Computer Science, 2014, 41(9): 248-252, 284.)
[8] 黄晓斌, 赵超. 文本挖掘在网络舆情信息分析中的应用[J]. 情报科学, 2009, 27(1): 94-99.
[8] (Huang Xiaobin, Zhao Chao.Application of Text Mining Technology in Analysis of Net-Mediated Public Sentiment[J]. Information Science, 2009, 27(1): 94-99.)
[9] 李卓卓, 丁子涵. 基于社会网络分析的网络舆论领袖发掘——以大学生就业舆情为例[J]. 情报杂志, 2011, 30(11): 67-70.
[9] (Li Zhuozhuo, Ding Zihan.Exploring Online Opinion Leadership Based on Social Network Analysis-Public Opinion of College Student Employment Taken for Example[J]. Journal of Intelligence, 2011, 30(11): 67-70.)
[10] 聂卉. 基于内容分析的用户评论质量的评价与预测[J]. 图书情报工作, 2014, 58(13): 83-89.
[10] (Nie Hui.Content-oriented Evaluation and Detection for Product Reviews[J]. Library and Information Service, 2014, 58(13): 83-89.)
[11] ICTCLAS汉语分词系统[DB/OL]. [2013-07-02]. .
[11] (ICTCLAS Chinese Segmentation System [DB/OL]. [2013-07-02].
[12] 刘建毅, 王菁华, 王枞. 基于语言网络的关键词抽取[C]. 见: 第三届全国信息检索与内容安全学术会议, 2008.
[12] (Liu Jianyi, Wang Jinghua, Wang Cong.Keyword Extraction Using Language Network [C]. In: Proceedings of the 3rd National Conference on Information Retrieval and Information Content Security. 2008.)
[13] 杨经, 林世平. 基于SVM的文本词句情感分析[J]. 计算机应用与软件, 2011, 28(9): 225-228.
[13] (Yang Jing, Lin Shiping.Emotion Analysis on Text Words and Sentences Based on SVM[J]. Computer Applications and Software, 2011, 28(9): 225-228.)
[14] 张圣声, 阳爱民, 周咏梅, 等. 微博产品评论的情感倾向性分析方法[J]. 山西大学学报: 自然科学版, 2015, 38(2): 215-222.
[14] (Zhang Shengsheng, Yang Aimin, Zhou Yongmei, et al.Method of Sentiment Orientation Analysis for Microblogging Product Reviews[J]. Journal of Shanxi University: Natural Science Edition, 2015, 38(2): 215-222.)
[15] 杜伟夫. 文本倾向性分析中的情感词典构建技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.
[15] (Du Weifu.Research on Sentimental Lexicon Construction for Text Sentiment Analysis [D]. Harbin: Harbin Institute of Technology, 2010.)
[16] 徐琳宏, 林鸿飞, 潘宇, 等. 情感词汇本体的构造[J]. 情报学报, 2008, 27(2): 180-185.
[16] (Xu Linhong, Lin Hongfei, Pan Yu, et al.Constructing the Affective Lexicon Ontology[J]. Journal of the China Society for Scientific and Technical Information, 2008, 27(2): 180-185.)
[17] 党蕾, 张蕾. 一种基于知网的中文句子情感倾向判别方法[J]. 计算机应用研究, 2010, 27(4): 1370-1372.
[17] (Dang Lei, Zhang Lei.Method of Discriminant for Chinese Sentence Sentiment Orientation Based on HowNet[J]. Application Research of Computers, 2010, 27(4): 1370-1372.)
[18] 杨静, 辛宇, 谢志强. 基于话题综合因子分析的语义社会网络社区发现算法[J]. 计算机研究与发展, 2014, 51(3): 559-569.
[18] (Yang Jing, Xin Yu, Xie Zhiqiang.Semantics Social Network Community Detection Algorithm Based on Topic Comprehensive Factor Analysis[J]. Journal of Computer Research and Development, 2014, 51(3): 559-569.)
[19] 任韧, 纪晓伟, 杨斌. 试论网络舆论的特征、作用与掌控方法[J]. 法制与社会, 2013 (11): 173-175.
[19] (Ren Ren, Ji Xiao Wei, Yang Bin.The Characteristics, Function and Control Method of Network Public Opinion[J]. Legal System and Society, 2013(11): 173-175.)
[1] 杨海慈,王军. 宋代学术师承知识图谱的构建与可视化[J]. 数据分析与知识发现, 2019, 3(6): 109-116.
[2] 丁晟春,侯琳琳,王颖. 基于电商数据的产品知识图谱构建研究*[J]. 数据分析与知识发现, 2019, 3(3): 45-56.
[3] 梅妍霜,朱恒民,魏静. 媒体协同对网络舆情扩散的作用机制研究*[J]. 数据分析与知识发现, 2019, 3(2): 65-71.
[4] 王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[5] 胡吉颖,谢靖,钱力,付常雷. 基于知识图谱的科技大数据知识发现平台建设*[J]. 数据分析与知识发现, 2019, 3(1): 55-62.
[6] 贾隆嘉,张邦佐. 高校网络舆情安全中主题分类方法研究*——以新浪微博数据为例[J]. 数据分析与知识发现, 2018, 2(7): 55-62.
[7] 王璟琦,李锐,吴华意. 基于空间自相关的网络舆情话题演化时空规律分析*[J]. 数据分析与知识发现, 2018, 2(2): 64-73.
[8] 沈志宏,姚畅,侯艳飞,吴林寰,李跃鹏. 关联大数据管理技术: 挑战、对策与实践*[J]. 数据分析与知识发现, 2018, 2(1): 9-20.
[9] 李真,丁晟春,王楠. 网络舆情观点主题识别研究*[J]. 数据分析与知识发现, 2017, 1(8): 18-30.
[10] 王晰巍,张柳,李师萌,王楠阿雪. 新媒体环境下社会公益网络舆情传播研究* ——以新浪微博“画出生命线”话题为例[J]. 数据分析与知识发现, 2017, 1(6): 93-101.
[11] 姜赢,张婧,朱玲萱. 面向Cytoscape平台的关联数据知识图谱概览抽取与可视化*[J]. 数据分析与知识发现, 2017, 1(3): 29-37.
[12] 丁晟春,龚思兰,李红梅. 基于突发主题词和凝聚式层次聚类的微博突发事件检测研究*[J]. 现代图书情报技术, 2016, 32(7-8): 12-20.
[13] 丁恒,陆伟. 标准文献知识服务系统设计与实现*[J]. 现代图书情报技术, 2016, 32(7-8): 120-128.
[14] 吴鹏,金贝贝,强韶华. 基于BDI-Agent模型的突发事件网络舆情应急响应建模研究*[J]. 现代图书情报技术, 2016, 32(7-8): 32-41.
[15] 黄炜,余辉,李岳峰. 国内网络反恐研究的现状、问题和展望*[J]. 现代图书情报技术, 2016, 32(11): 1-10.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn