面向輿情監(jiān)控的熱點人物及事件分析技術.pdf

1、隨著Internet在全球范圍內(nèi)的廣泛普及,互聯(lián)網(wǎng)已經(jīng)成為社會輿論的放大器和思想文化信息的集散地。輿情信息反映了民眾思想狀況,在Web2.0的強大傳播力之下,對輿情信息的研究顯得極其重要。面對每天更新的海量的信息,高效準確的挖掘出熱點新聞和輿論走勢已經(jīng)成為亟待解決的問題。一般情況下,事件的發(fā)生和發(fā)展都與人物有關,很多熱點事件都是圍繞著人在進行。在這種背景下,本文以分析熱點人物為切入點,找到并分析發(fā)生在他們身上的事件,進而把握網(wǎng)絡輿情。圍

2、繞著熱點人物及事件分析技術,本文的研究主要涉及以下幾個方面:
　　(1)提出了融合多種詞法分析工具識別人名的方法和基于 Lingo聚類策略的人名消歧方法。首先利用現(xiàn)有的分詞及標注工具中人名標注功能初步識別人名,并根據(jù)最長原則融合幾種人名識別方法的結果。同時,嘗試了幾種噪聲人名的去除方法,并基于 Lingo聚類算法進行人名消歧。實驗表明,融合策略在不降低人名識別正確率的前提下提高了人名識別的召回率,人名去噪及消歧方法能夠很好的滿足應

3、用需求。
　　(2)研究了有監(jiān)督的人物分類技術,提出一種基于 SVM的人物分類方法。首先從包含人物的文本中抽取能夠描述人物的一定長度的文本片段,然后利用信息增益提取出代表人物的有用屬性特征,最后用 SVM算法對人物進行分類。實驗表明,這種方式能有效的預測人物的所屬領域。
　　(3)研究了基于信息熵和情感詞典相結合的特征提取技術,并用其進行熱點人物事件的傾向性分析。信息熵計算特征的區(qū)分能力,而情感詞典解決覆蓋率問題。本文提取的

4、特征分為從訓練集中提取的特征和從情感詞典中提取的特征。訓練集中提取的特征是與語料相關的,或者說與領域相關的。而情感詞典具有通用性,其中含有訓練集提取的特征集中沒有的特征。實驗結果顯示,將兩種特征融合到一起能夠有效地提高事件傾向性分析的性能。同時,本文嘗試了用同義詞詞林將候選特征集合進行聚合,即將同義的兩個特征映射到一個特征上,這樣做既降低了空間向量的維數(shù),又不丟失語義信息,達到了兩者兼顧的效果,而且提高了語義相似度計算的精度。在特征聚類

5、過程中將特征的同義詞也加入,從而達到擴展重要特征的效果,提高了事件傾向性分析過程的特征識別能力。
　　(4)提出了一種面向輿情監(jiān)控的熱點人物排序模型。該模型綜合考慮人物的曝光率、熱度趨勢變化和所屬領域的權重這些因素來計算分數(shù),然后根據(jù)分數(shù)生成熱點人物排行榜。其中人物曝光率就是人物一天內(nèi)在新聞和評論中出現(xiàn)的次數(shù);熱度趨勢變化程度由KL距離的變形來衡量;人物所屬領域的權重根據(jù)該領域人物信息在輿情監(jiān)控中的重要程度來設置,而人物的所屬領域