[發(fā)明專利]基于立場檢測的推選預(yù)測分析方法

在審

• 申請?zhí)枺?/td>: 202010937515.X
• 申請日: 2020-09-08
• 公開（公告）號: CN113379095A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 李文法;陳瑩瑩;梁煜博
• 申請（專利權(quán)）人: 北京聯(lián)合大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

基于立場檢測的推選預(yù)測分析方法屬于輿情分析領(lǐng)域，為基于社交媒體的推選預(yù)測提供了研究基礎(chǔ)和方法。其實(shí)施方法包括下述步驟：步驟一，人工標(biāo)注的定義推選相關(guān)關(guān)鍵詞。步驟二，再使用爬蟲技術(shù)，爬取訓(xùn)練時間段產(chǎn)生的所有相關(guān)文本。步驟三，之后將這些文本抽樣標(biāo)記，并使用標(biāo)記數(shù)據(jù)完成立場檢測分類器的訓(xùn)練。步驟四，使用爬蟲技術(shù)，爬取預(yù)測時間段產(chǎn)生的所有相關(guān)文本。步驟五，再使用通過訓(xùn)練數(shù)據(jù)訓(xùn)練的立場檢測分類器，完成文本的立場檢測。步驟六，統(tǒng)計(jì)結(jié)果，得到表達(dá)投票傾向的指標(biāo)，從而完成推選預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明公開了一種基于立場檢測的推選預(yù)測分析方法，屬于輿情分析領(lǐng)域。

背景技術(shù)

使用社交媒體數(shù)據(jù)完成對于時事的預(yù)測與分析一直是重要的課題。例如，輿情分析、預(yù)測股市走向等。然而隨著社交媒體的用戶不斷的增加，有更多的用戶使用社交媒體分享與討論他們的投票傾向。同樣，每個候選人也開始利用社交媒體為它們爭取在推選中的支持。因此，我們可以通過社交媒體，挖掘投票人的投票偏好。

立場檢測任務(wù)的目的是通過給定文本，針對特定目標(biāo)主題，分析其中表達(dá)出的情感屬于支持(肯定)，不支持(否定)或無立場(中立)，其核心是檢測和挖掘意見極性。其相對于情感分析方法挖掘整個文本的情感，側(cè)重于提取文本中作者針對某個主題的立場。

但是，在目前基于社交媒體的推選分析與預(yù)測中，大多使用情感分析來完成文本的傾向性分析，而不是立場檢測。因此，本發(fā)明結(jié)合立場檢測方法，針對某市代表的推選完成推選的預(yù)測，提出了基于立場檢測的推選預(yù)測模型。

發(fā)明內(nèi)容

為了預(yù)測推選結(jié)果，本發(fā)明建立了基于立場檢測的推選分析模型。其中包括定義關(guān)鍵詞、模型訓(xùn)練、立場檢測、推選預(yù)測4個階段。

為了給標(biāo)記數(shù)據(jù)、訓(xùn)練模型等預(yù)留時間，本模型從時間上分為兩段：一段是訓(xùn)練時間段，另一段是預(yù)測時間段。訓(xùn)練時間段規(guī)定了模型的訓(xùn)練階段使用的數(shù)據(jù)產(chǎn)生的時間。預(yù)測時間段規(guī)定了立場檢測與推選預(yù)測階段使用的數(shù)據(jù)產(chǎn)生的時間。

本發(fā)明使用推選開始日前20-30天作為訓(xùn)練時間段，推選開始日前1-20天與前1-30天作為預(yù)測時間段。

本模型首先通過人工標(biāo)注的定義推選相關(guān)關(guān)鍵詞。再使用爬蟲技術(shù)，爬取訓(xùn)練時間段產(chǎn)生的所有相關(guān)文本。之后將這些文本抽樣標(biāo)記，并使用標(biāo)記數(shù)據(jù)完成立場檢測分類器的訓(xùn)練。然后，使用爬蟲技術(shù)，爬取預(yù)測時間段產(chǎn)生的所有相關(guān)文本。再使用通過訓(xùn)練數(shù)據(jù)訓(xùn)練的立場檢測分類器，完成文本的立場檢測。最后統(tǒng)計(jì)結(jié)果，得到表達(dá)投票傾向的指標(biāo)，從而完成推選預(yù)測。

定義關(guān)鍵詞：本階段的目的是設(shè)計(jì)推選相關(guān)的關(guān)鍵詞，從而通過這些詞語在社交媒體平臺搜索相關(guān)的數(shù)據(jù)。關(guān)鍵詞一般為候選人名、候選團(tuán)體等，本發(fā)明使用的關(guān)鍵詞為候選人名。

模型的訓(xùn)練：在定義關(guān)鍵詞后，本階段就會結(jié)合關(guān)鍵詞，通過爬蟲技術(shù)檢索所有在訓(xùn)練時間段內(nèi)的包含檢索詞的所有twitter文本，再使用簡體繁體翻譯工具完成文本的轉(zhuǎn)換。將推文作為立場檢測的文本內(nèi)容，將文本中包含的候選人姓名作為目標(biāo)主題。

不同選區(qū)人口與對于Twitter的使用比例不盡相同，導(dǎo)致涉及到的候選人中，有可能存在部分候選人相關(guān)推文為0或是很少的情況，這導(dǎo)致了后續(xù)的抽樣標(biāo)記過程中，存在數(shù)據(jù)不足的情況。因此，為了讓立場檢測算法可以達(dá)到更好的效果。

之后，抽樣上述數(shù)據(jù)中的2000條，由兩位標(biāo)記者，按照Nlpcc2016年的立場檢測標(biāo)記要求，標(biāo)記文本內(nèi)容對于目標(biāo)主題屬于支持、不支持或無態(tài)度。再將不同標(biāo)簽的數(shù)據(jù)按照相等比例抽取，生成三個標(biāo)簽數(shù)量相等的訓(xùn)練數(shù)據(jù)集。

然后，本發(fā)明搭建了基于雙通道CNN-GRU融合網(wǎng)絡(luò)的微博文本立場檢測模型。然后，對訓(xùn)練數(shù)據(jù)進(jìn)行停用詞的刪除、分詞與詞向量表示，最后用于訓(xùn)練本立場檢測模型，生成立場檢測分類器。