[發(fā)明專利]一種微博熱點(diǎn)話題的用戶群體情感傾向遷移動(dòng)態(tài)分析方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010087323.4
• 申請(qǐng)日: 2020-02-11
• 公開(kāi)（公告）號(hào): CN111309864B
• 公開(kāi)（公告）日: 2022-08-26
• 發(fā)明（設(shè)計(jì)）人: 朱廣麗;張夢(mèng)瑤;朱奧強(qiáng);徐新燕;張標(biāo);張順香
• 申請(qǐng)（專利權(quán)）人: 安徽理工大學(xué)
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/35;G06Q50/00
• 代理公司: 北京晉德允升知識(shí)產(chǎn)權(quán)代理有限公司 11623
• 代理人: 王戈

本發(fā)明提供一種微博熱點(diǎn)話題的用戶群體情感傾向遷移動(dòng)態(tài)分析方法，涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，本發(fā)明的方法先通過(guò)網(wǎng)絡(luò)爬蟲采集相關(guān)話題下的微博文本，再先后文本預(yù)處理模型、情感分析模型、異常點(diǎn)判斷、熱度分析、動(dòng)態(tài)分析獲取模型，根據(jù)這幾個(gè)模型的輸出情況，得出用戶群體的情感傾向，并記錄引起用戶群體情感遷移的事件。本發(fā)明解決了現(xiàn)有的微博用戶情感分析方法不具有時(shí)間遷移性，且容易忽略掉熱點(diǎn)話題隨時(shí)間的的情感變化，導(dǎo)致無(wú)法客觀的對(duì)微博熱點(diǎn)話題進(jìn)行情感分析的缺點(diǎn)。通過(guò)本發(fā)明可動(dòng)態(tài)揭示網(wǎng)絡(luò)群體情感傾向變化的規(guī)律，尤其是對(duì)用戶群體情感曲線異常點(diǎn)的分析，可得到引起情感遷移的事件和時(shí)間，具有一定的個(gè)人、商業(yè)和社會(huì)價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明涉及一種微博熱點(diǎn)話題的用戶群體情感傾向遷移的動(dòng)態(tài)分析方法，屬于數(shù)據(jù)信息挖掘于分析。

背景技術(shù)

互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)社區(qū)的興起，讓人們?cè)絹?lái)越喜歡在網(wǎng)絡(luò)社區(qū)分享自己的生活、對(duì)熱點(diǎn)事件的態(tài)度與觀點(diǎn)。當(dāng)事件出現(xiàn)在網(wǎng)絡(luò)上并吸引人們廣泛的關(guān)注評(píng)論后會(huì)升級(jí)為熱點(diǎn)事件，成為熱點(diǎn)事件后則更容易吸引人們的關(guān)注。當(dāng)微博用戶群體關(guān)注到事件，他們會(huì)不斷的從各個(gè)方面不斷了解到事件的全貌，在這個(gè)了解事件全貌的過(guò)程中用戶會(huì)發(fā)表大量的微博文本表達(dá)自己對(duì)該事件的態(tài)度，其中不乏有對(duì)公眾情緒傾向有較高影響的話題或微博“大V”、名人博客等的加入，從而可能引起整個(gè)事件的情感傾向的遷移。找到這些事件，從個(gè)人角度講，可及時(shí)維護(hù)自身名聲利益；從商業(yè)角度講，并根據(jù)產(chǎn)品銷售后網(wǎng)絡(luò)群體情緒動(dòng)態(tài)變化的情況及時(shí)完善產(chǎn)品和進(jìn)行口碑維護(hù)；從社會(huì)角度講，對(duì)網(wǎng)絡(luò)輿論進(jìn)行合理引導(dǎo)，營(yíng)造和諧網(wǎng)絡(luò)環(huán)境。

現(xiàn)有的大多數(shù)對(duì)微博文本處理方法中，基本都是以個(gè)人或群體情感分析為主要研究對(duì)象，通過(guò)關(guān)鍵詞識(shí)別、詞匯關(guān)聯(lián)、統(tǒng)計(jì)方法和概念級(jí)技術(shù)對(duì)微博文本進(jìn)行情感傾向分析。考慮了微博事件隨時(shí)間變化的情感復(fù)雜性，有學(xué)者在情感分析中加入了時(shí)間序列，分析情感隨時(shí)間的變化。在網(wǎng)絡(luò)信息傳播的輿情分析中，有學(xué)者提供一種微博輿情風(fēng)險(xiǎn)研判的方法，先后通過(guò)敏感話題的識(shí)別、情感模型分析話題的正負(fù)面程度、再根據(jù)微博點(diǎn)贊、轉(zhuǎn)發(fā)和評(píng)論在一定時(shí)間內(nèi)的增加量，設(shè)置一定的閾值，對(duì)輿情分析判斷。

上述研究及后來(lái)的相關(guān)研究均沒(méi)有提出如何動(dòng)態(tài)對(duì)微博事件進(jìn)行情感分析，并找出熱點(diǎn)話題下可能在中引起用戶群體情感遷移的事件。本文提出的根據(jù)情感分析模型繪制情感變化折線圖，在動(dòng)態(tài)分析模型中自動(dòng)判斷獲取并輸出引起情感遷移的事件方法。本發(fā)明不同之處是設(shè)置了動(dòng)態(tài)分析模型，跟蹤分析熱點(diǎn)微博的情感變化，不僅可以動(dòng)態(tài)對(duì)微博事件情感傾向分析，還可根據(jù)情感曲線的異常點(diǎn)的文本處理動(dòng)態(tài)獲取引起情感波動(dòng)事件。

發(fā)明內(nèi)容

本發(fā)明的目的在于：根據(jù)用戶群體對(duì)熱點(diǎn)事件的情感遷移的問(wèn)題，本發(fā)明提供一種微博熱點(diǎn)話題的用戶群體情感傾向遷移動(dòng)態(tài)分析方法，不僅了解到用戶群體對(duì)事件的一個(gè)完整的情感趨勢(shì)圖，并且能夠找出導(dǎo)致用戶群體情感傾向大幅度遷移的原因。

為達(dá)到上述目的，本發(fā)明提供的微博熱點(diǎn)話題的用戶群體情感傾向遷移動(dòng)態(tài)分析方法包括按順序進(jìn)行的下列步驟：

(1)采集指定話題下的微博文本并對(duì)文本數(shù)據(jù)進(jìn)行預(yù)處理，包括：過(guò)濾停用詞、分詞操作；

(2)話題內(nèi)的微博文本與微博話題的相關(guān)性分析，選取與話題相關(guān)的文本；

(3)對(duì)部分微博文本進(jìn)行情感極性標(biāo)注，利用分類特征對(duì)標(biāo)注微博文本集進(jìn)行訓(xùn)練并優(yōu)化，生成SVM情感分類器，對(duì)未標(biāo)注微博文本情感極值進(jìn)行預(yù)測(cè)；

(4)根據(jù)步驟(3)中利用SPSS軟件得到先前分析的用戶群體情感變化曲線圖；根據(jù)變化曲線圖找到圖中異常點(diǎn)；

(5)針對(duì)步驟(4)中得到的異常點(diǎn)，在其附近按時(shí)間對(duì)微博文本進(jìn)行切片分析處理，找到所有可能引起用戶群體情感傾向遷移的事件；

(6)如若在步驟(4)中沒(méi)有發(fā)現(xiàn)異常點(diǎn)，則對(duì)話題進(jìn)行熱度判斷，判斷該話題是否已無(wú)熱度；

(7)動(dòng)態(tài)分析主要包含以下三個(gè)步驟：