基于情感分析的社交網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖的識(shí)別：以情感分類為手段

蔣瀾，林娜娜，劉陽(yáng)，史雪琪，陸詩(shī)慧

摘要：在社交網(wǎng)絡(luò)中進(jìn)行意見(jiàn)領(lǐng)袖的挖掘?qū)π畔鞑ヅc演化的深度分析、輿情監(jiān)控和引導(dǎo)具有重要意義。結(jié)合情感分析，挖掘在專業(yè)知識(shí)領(lǐng)域受到大眾支持的正面意見(jiàn)領(lǐng)袖是本項(xiàng)目研究重點(diǎn)。實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，Leader-PageRank算法能夠結(jié)合社交網(wǎng)絡(luò)的用戶交互，更有效客觀地識(shí)別在專業(yè)領(lǐng)域中的正面意見(jiàn)領(lǐng)袖。

關(guān)鍵詞：社交網(wǎng)絡(luò)；意見(jiàn)領(lǐng)袖；情感分析

中圖分類號(hào)：G640 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2017）47-0043-02

近年來(lái)，隨著微博、微信等社交媒體的興起，社交網(wǎng)絡(luò)的規(guī)模與影響力不斷地?cái)U(kuò)大，產(chǎn)生了一批具有社會(huì)輿論號(hào)召力的大V，這些能夠引導(dǎo)社會(huì)輿論趨勢(shì)，傳播公共信息，推薦商業(yè)產(chǎn)品的網(wǎng)絡(luò)節(jié)點(diǎn)被稱為意見(jiàn)領(lǐng)袖。而情感分析能夠判別社交網(wǎng)絡(luò)用戶間的情感傾向，作為意見(jiàn)領(lǐng)袖的一種挖掘方法，具有一定的科學(xué)依據(jù)。本文將結(jié)合情感分析，探討在專業(yè)領(lǐng)域中具有正面影響力的意見(jiàn)領(lǐng)袖。

一、基于情感分析的意見(jiàn)領(lǐng)袖識(shí)別

基于情感分析的意見(jiàn)領(lǐng)袖的識(shí)別方法研究框架分5步：（1）數(shù)據(jù)收集；（2）文本預(yù)處理；（3）主題帖與評(píng)論特征提取；（4）主題帖分類與情感計(jì)算；（5）構(gòu)建關(guān)注情感綜合矩陣；（6）利用Leader-PageRank算法，計(jì)算意見(jiàn)領(lǐng)袖值。

二、主題帖分類

本文研究的社交網(wǎng)絡(luò)主體是垂直類社交網(wǎng)絡(luò)汽車論壇，關(guān)注汽車知識(shí)類主題帖，如汽車信息、汽車維修等。我們采用LDA主題模型對(duì)主題帖名進(jìn)行分類，它能擴(kuò)展短文本的特征項(xiàng)，在一定程度上解決短文本的特征稀疏問(wèn)題。LDA模型的基本思路是：挑選主題帖的有效內(nèi)容作為長(zhǎng)文檔來(lái)訓(xùn)練LDA主題模型，得到隱含主題詞的概率分布；將主題帖名帶入到隱含主題模型中，得到主題詞，增加到主題帖名的特征向量；將特征向量帶入SVM算法分類器進(jìn)行分類，提取汽車相關(guān)的主題帖。

三、文本情感極性分類

1.文本分類研究。文本的情感極性分析是對(duì)帶有主觀情感的文本進(jìn)行語(yǔ)義分析，將文本分為正面、中立、負(fù)面三個(gè)類型。評(píng)論文本中帶有的情感傾向能反映用戶對(duì)主題帖和作者所帶有的情感。但基于情感詞語(yǔ)語(yǔ)義分析的方法需要借助情感詞典，維護(hù)成本較高，不適合在研究中使用。因而，本文采用基于統(tǒng)計(jì)自然語(yǔ)言的方法對(duì)文本評(píng)論進(jìn)行分析。常用的統(tǒng)計(jì)自然語(yǔ)言方法的情感分類器有：支持向量機(jī)（SVM）、樸素貝葉斯（NB）、最大熵（ME）等。本文采用支持SVM作為文本情感分類器。

2.文本特征提取。在主題帖中，評(píng)論多為正面或中立，負(fù)面評(píng)論少容易導(dǎo)致統(tǒng)計(jì)結(jié)果的不準(zhǔn)確。本文在基于統(tǒng)計(jì)自然語(yǔ)言的方法上，針對(duì)實(shí)際不均衡分類方法提出了改進(jìn)的統(tǒng)計(jì)量法。統(tǒng)計(jì)量法假定特征項(xiàng)t與文檔類別c之間符合具有一階自由度的卡方分布。而針對(duì)不均衡集的改進(jìn)CHI特征方法中t對(duì)于c的CHI統(tǒng)計(jì)值的公式（1）如下所示：

（1）

N為訓(xùn)練所用樣本集中所有的文檔總數(shù)；A為屬于c類且包含特征t的文檔數(shù)；B為不屬于c類但包含特征t的文檔數(shù)；C為屬于c類但不包含特征t的文檔數(shù)；D為不屬于c類也不包含特征t的文檔數(shù)；α為面向小樣本類特征項(xiàng)的選擇傾向因子；M為所有的樣本類別總數(shù)；mt為特征t在訓(xùn)練集中所出現(xiàn)過(guò)的類別數(shù)目。此方法能剔除“負(fù)相關(guān)”特征項(xiàng)的影響，保留小類特征項(xiàng)并加入識(shí)別因子，提高比重少但對(duì)分類貢獻(xiàn)較大的特征項(xiàng)權(quán)重。

3.文本分類器算法。支持向量機(jī)（SVM）算法是基于統(tǒng)計(jì)學(xué)原理的一種機(jī)器學(xué)習(xí)算法，通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)機(jī)泛化能力，實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的最小化的一種分類算法。支持向量機(jī)為二元分類算法，設(shè)線性樣本集T={（x1，y1），……（xi，yi）}∈（X×Y）i，其中xk∈X∈Rn，yk∈Y={-1，1}，n維空間中線性判別函數(shù)的一般形式為g（x）=（w.x）+b。如果分類面對(duì)所有樣本進(jìn)行了正確分類，那么應(yīng)滿足約束條件yk（w.x+b）+b-1≥0，k=1，……，i最優(yōu)分類面應(yīng)使兩類樣本決策面的最小距離■最大，在約束條件下最小化Φ（w），即■w.w。再采用lagrange乘子法可以算出原問(wèn)題優(yōu)化問(wèn)題的對(duì)偶形式，約束條件為：

■a■y■=0，a■≥0，k=1……，i（6）

然后對(duì)lagrange函數(shù)的系數(shù)αk進(jìn)行求解下列函數(shù)的最大值

？專（a）=■？墜■-■■■ykyj？墜■？墜j（xkxj）（7）

這是二次函數(shù)最優(yōu)解的問(wèn)題。若？墜k*為最優(yōu)解，則

W*=■yk？墜■*x■（8）

其中等式必須滿足？墜■（yk（w.xk+b）-1）=0 k=1，…i，求解上述問(wèn)題后得到最優(yōu)分類函數(shù)為

f（x）=sgn■w*.x*+b*=sgn■ykak（xk·x）+b（9）

4.Leader-PageRank算法。傳統(tǒng)PageRank可用于社交網(wǎng)絡(luò)節(jié)點(diǎn)影響力的計(jì)算，但忽略了用戶間的互動(dòng)情況。Leader-PageRank算法考慮了社交網(wǎng)絡(luò)中用戶評(píng)論關(guān)注情況，增加了用戶間的情感屬性。邊權(quán)重公式如下（2）：Wij=■+F■（2）

Wij為節(jié)點(diǎn)j對(duì)節(jié)點(diǎn)i的綜合權(quán)重；■e■為節(jié)點(diǎn)j對(duì)節(jié)點(diǎn)i所有回帖評(píng)論的情感傾向綜合，單條正面評(píng)論取值1，中立評(píng)論取值0.5，負(fù)面評(píng)論取值為-2；nij代表節(jié)點(diǎn)j對(duì)節(jié)點(diǎn)i所有評(píng)論交互次數(shù)；Fij為節(jié)點(diǎn)j是否關(guān)注節(jié)點(diǎn)i。Wij的取值范圍為[2，-2]，概括了社交網(wǎng)絡(luò)中用戶之間的關(guān)系。將Wij代入到Leader-PageRank的公式中，具體計(jì)算如公式（3）所示。

LPR（i）=■+d■j∈R（i）LPR（j）■（3）

LPR（i）是節(jié)點(diǎn)i的Leader-PageRank值；d為阻尼因子0.85；N為總數(shù)；R（i）為指向節(jié)點(diǎn)i的所有集合；

■|W■|為節(jié)點(diǎn)j鏈接出去的邊的所有權(quán)重絕對(duì)值總和。對(duì)Leader-PageRank多次迭代，得到基于用戶關(guān)注與互動(dòng)情況的社交網(wǎng)絡(luò)正面意見(jiàn)領(lǐng)袖排名。

四、實(shí)驗(yàn)與分析

我們?cè)谄囍揖W(wǎng)上論壇中選取了100名用戶，并且基于上述主題帖分類和情感分類的結(jié)果，我們共提取汽車相關(guān)的主題帖314條，共提取這些主題帖下的互動(dòng)評(píng)論9346條，抽取樣本評(píng)論3216條，其中負(fù)面回復(fù)數(shù)為小類別集，占樣本集的7.11%。利用Leader-PageRank算法算出他們的意見(jiàn)領(lǐng)袖值。

通過(guò)對(duì)比Pagerank算法的值，我們可以分析出結(jié)合情感分析的Leader-Pagerank算法的客觀性。如用戶N054，它在Pagerank算法中的意見(jiàn)領(lǐng)袖值排名第十，但在Leader-Pagerank中意見(jiàn)領(lǐng)袖排名躍居第一，說(shuō)明該意見(jiàn)領(lǐng)袖雖然在社交網(wǎng)絡(luò)結(jié)構(gòu)中的影響力不大，但它發(fā)表了許多專業(yè)性的主題帖且收獲了許多的正面評(píng)價(jià)，因此意見(jiàn)領(lǐng)袖值發(fā)生了巨大的變化。

本文基于情感分析特征對(duì)社交網(wǎng)絡(luò)中意見(jiàn)領(lǐng)袖的識(shí)別的問(wèn)題進(jìn)行研究。該算法不僅充分考慮了用戶的顯性能力：信息傳播過(guò)程中的活躍度，更加注重對(duì)用戶在信息傳播過(guò)程中信息質(zhì)量、效果及評(píng)論人的認(rèn)可度等隱性能力的綜合考量。然而本文仍然存在一些不足，如搜集的數(shù)據(jù)比較少，不能更加準(zhǔn)確地比較情感分析的優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]鈕亮.基于粗糙集_AHM的新浪微博意見(jiàn)領(lǐng)袖挖掘[M].電子科技大學(xué)學(xué)報(bào)，2016，（1）.

[2]肖宇，許煒，夏霖.一種基于情感傾向分析的網(wǎng)絡(luò)團(tuán)體意見(jiàn)領(lǐng)袖識(shí)別算法[J].計(jì)算機(jī)科學(xué)，2012，39（2）：34-37.