文档介绍：一种基于情感分析的网络舆情演化分析方法摘要: 以微博作为研究对象, 针对微博类短文本数据的特点, 从情感的角度出发, 提出基于情感分析的舆情演化分析。该方法以文本的情感值作为特征对微博数据进行时间分片, 然后使用 DTM 模型对分片后的数据进行话题演化分析。实验表明, 该方法能较好地划分微博数据, 有效地找到舆情变化的时间点。关键词:舆情演化;情感分析;微博;短文本中图分类号: TP391 文献标识码: A 文章编号: 1672-7800 ( 2015 ) 005-0131-04 作者简介: 何天翔( 1988- ),男, 四川广安人, 西南科技大学计算机科学与技术学院硕士研究生,研究方向为情感分析、文本分类;张晖( 1972- ),男, 安徽宿松人, 博士, 西南科技大学计算机科学与技术学院教授, 研究方向为数据挖掘、知识工程; 李波( 1977- ),男, 四川绵阳人, 中国科学技术大学计算机科学与技术学院博士研究生, 研究方向为信息过滤、信息安全; 杨春明( 1980- ),男, 云南华坪县人, 硕士, 西南科技大学计算机科学与技术学院讲师,研究方向为文本挖掘、知识工程;赵旭剑( 1984- ),男, 四川绵阳人, 博士, 西南科技大学计算机科学与技术学院讲师,研究方向为中文信息处理、 web 信息检索。 0 引言随着互联网的发展及普及, 网络逐渐实现了社会化, 发挥着强大的舆情表达和传递功能。网民可在互联网上围绕社会中的各种现象及问题表达观点、态度、意见和情绪。对舆情信息进行情感分析, 有助于把握网民舆论的态度, 对商业智能、信息预测、舆情分析、政府决策均具有重要价值[1-3] 。情感分析旨在研究人们针对实体、人物、事件、主题及其属性的主观意见和情感,是一个对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程[1] 。因此,将情感分析应用在网络舆情中可以很好地监控以及预测网络舆情, 帮助相关部门制定相应的解决方案, 节省大量的人力、财力,同时也可以避免一些不必要的冲突。 1 相关工作目前,关于网络舆情演化的研究主要基于 LDA 模型。单斌等[5] 提出了话题演化的两个方面: 内容演化和强度演化, 总结了基于 LDA 话题模型的话题演化方法。林萍等[6] 基于网络舆情事件时间性强、话题与时间关联度单一的特征, 选择特定的新闻报道建立文本集, 基于 LDA 模型抽取话题, 使用后离散时间型话题模型思路分析话题热度变化, 用先离散时间型话题模型思路分析话题内容迁移。此思路能够较全面体现话题演化路径, 为网络舆情事件分析提供了有效途径。部分研究将情感分析应用在舆情演化方面。黄卫东等[2] 提出了一种基于概率潜在语义分析( PLSA )的网络舆情话题情感分析方法, 该方法不仅可以描述同一个子话题随时间的情感演化过程, 还可以描述话题情感随子话题维度和内容的演变情况。为解决微博文本呈现的不完整性、稀疏性及碎片化等特性,李岩等[7] 设计了基于短文本聚类及用户评论情感分析的微博舆情系统。将时间因素结合话题模型建模是话题演化分析的主要方法, 已有方法主要包括:①先根据时间段离散化文档, 再分别建立话题模的方法, 例如动态话题模型( Dynamic Topic Model , DTM ) ,将时间作为随机变量加入到模型中,从而得到关于时间变化的话题模型[