基于文本挖掘的網(wǎng)絡(luò)輿情研究進展述評

常甜甜

摘 要 [目的/意義]網(wǎng)絡(luò)輿情領(lǐng)域的研究受到多學(xué)科的共同關(guān)注，文本挖掘作為一種大數(shù)據(jù)分析技術(shù)，在網(wǎng)絡(luò)輿情信息的挖掘中發(fā)揮著重要作用。[方法/過程]基于文獻計量學(xué)方法，使用CiteSpace軟件，以Webof Science核心合集為數(shù)據(jù)源，對基于文本挖掘的網(wǎng)絡(luò)輿情研究概況、研究熱點和研究前沿進行分析。[結(jié)果/結(jié)論]目前該領(lǐng)域的研究仍處于發(fā)展階段，并開始集中向社會化媒體主題集中發(fā)展；情感分析、意見挖掘為領(lǐng)域中的熱點關(guān)鍵詞，2020年仍熱度不減。未來幾年的熱點仍將集中在情感分析和意見挖掘方面，推動跨學(xué)科研究成為該領(lǐng)域發(fā)展的重要推動力。

關(guān)鍵詞 文本挖掘；網(wǎng)絡(luò)輿情；CiteSpace ；知識圖譜

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2021）03-0005-03

1 數(shù)據(jù)來源與分析方法

本文使用文獻計量學(xué)知識圖譜分析工具CiteSpace軟件 [1]，對國內(nèi)外近20年來的基于文本挖掘的網(wǎng)絡(luò)輿情研究概況進行分析，發(fā)現(xiàn)研究熱點與前沿，并繪制網(wǎng)絡(luò)知識圖譜。數(shù)據(jù)源為Web of Science核心合集數(shù)據(jù)庫，選擇時間跨度為2000至2020年，通過搜索主題詞“text mining”AND“network opinion”，文獻類型限定為“ARTICLE”，最終得到706篇檢索結(jié)果。將結(jié)果導(dǎo)入CiteSpace 5.7.R2構(gòu)建數(shù)據(jù)集，之后通過國家機構(gòu)與作者共現(xiàn)分析、共被引文獻分析、關(guān)鍵詞共現(xiàn)分析等方法分析數(shù)據(jù)并得出結(jié)論。

2 基于文本挖掘技術(shù)的網(wǎng)絡(luò)輿情研究概況

對整體趨勢分析發(fā)現(xiàn)，目前該領(lǐng)域研究仍然處于發(fā)展階段。從2004年開始，文本挖掘與網(wǎng)絡(luò)輿情交叉領(lǐng)域的研究呈逐年遞增趨勢，其中2016和2019年相對前一年增長最為明顯，2019年的相關(guān)研究成果最多為174篇，2020年（截至12月17日）為110篇，與2018年持平。

2.1 各國研究現(xiàn)狀與主要機構(gòu)

通過分析近20年不同國家和機構(gòu)的發(fā)文數(shù)，可以得到領(lǐng)域內(nèi)影響力較大的國家及主要研究機構(gòu)。從國家層面來看，領(lǐng)域關(guān)注度較高的為中國（192篇）、美國（95篇）、印度（77篇）和西班牙（51篇）。其中中國的研究成果數(shù)最多，約為美國的兩倍，首發(fā)時間為2008年，且中心性最高為0.6，與其他國家拉開了較大差距；這說明中國在研究的最初發(fā)展階段就進入了領(lǐng)域，研究水平最為突出，在世界范圍內(nèi)發(fā)揮著重要影響力。

在機構(gòu)層面上，中國的研究機構(gòu)以中國科學(xué)院、南洋理工大學(xué)、清華大學(xué)為首，發(fā)文數(shù)量均在10篇以上，在全球范圍內(nèi)處于領(lǐng)先位置；美國的亞利桑那大學(xué)、西班牙的維戈大學(xué)、英國斯特林大學(xué)都對該領(lǐng)域有較高的關(guān)注度。對機構(gòu)發(fā)文突現(xiàn)分析可知，最早展開集中研究的是美國亞利桑那大學(xué)，其突現(xiàn)強度最高為3.16，研究集中在2018至2012年間；2011年，首爾大學(xué)、南洋理工大學(xué)、北京航空航天大學(xué)的研究增多，香港城市大學(xué)在2014年關(guān)注度增高較為明顯（2.38）；之后，同濟大學(xué)和上海科學(xué)技術(shù)研究院也相繼開展研究。

2.2 學(xué)科領(lǐng)域分布與作者分析

從學(xué)科分布來看，研究文獻分布在科學(xué)技術(shù)、社會科學(xué)、藝術(shù)人文三大學(xué)科領(lǐng)域，其中科學(xué)技術(shù)領(lǐng)域研究最為集中為686篇，是其他兩個領(lǐng)域之和的2.7倍。

通過對研究者發(fā)文量、突現(xiàn)時間與強度、節(jié)點度的分析，可以得到領(lǐng)域內(nèi)主要研究者，并對研究者的影響力和合作進行分析。發(fā)文數(shù)最高的作者為艾瑞克·坎布里亞（9篇），其研究從2012年開始突現(xiàn)，節(jié)點度為18，在研究者中的影響力最高，其研究主題為網(wǎng)絡(luò)輿情文本挖掘的深度神經(jīng)網(wǎng)絡(luò)研究。影響力Top 6的高產(chǎn)作者首發(fā)年份多集中在2012年之后，但研究者陳炘鈞首發(fā)日期相對較早（2008年）且有明顯突現(xiàn)（2.57），節(jié)點度為5，具有一定的影響力，研究主題主要在社會化媒體領(lǐng)域，是該主題研究探索的先驅(qū)。

2.3 研究發(fā)展的階段與脈絡(luò)

通過文獻共被引分析，可分析出該領(lǐng)域主要研究成果，并梳理出研究發(fā)展的階段與脈絡(luò)。具體是在共被引文獻網(wǎng)絡(luò)的基礎(chǔ)上，根據(jù)主題進行T聚類，用極大似然估計（LLR）計算每個簇的標簽，得到共被引文獻聚類圖譜（圖1）。圖譜中簇分布的相對位置代表不同時間階段，越靠近左邊的時間越近，越靠近右邊越遠，由此梳理出研究階段與對應(yīng)主題。

1）起始階段（2000—2010）：網(wǎng)絡(luò)輿情視域下文本挖掘技術(shù)研究。此階段研究伊始，主題聚類標簽為#4、#3、#10。2006至2008年，研究主要集中在多語言文本挖掘研究（#4）且研究數(shù)量連年遞增。如2005年劉冰等人提出了一種基于語言模式挖掘的方法，可以從用戶評論中提取產(chǎn)品功能描述[2]。2009年研究主題開始過渡到中文文檔（#3）和機器學(xué)習(xí)方法（#10）。如2008年阿巴斯等人對Web論壇和博客影響進行分析，比較了幾種情感分析的特征表示方法的效果，并提出支持向量回歸相關(guān)合奏的方法來預(yù)測情緒強度[3]。2010年，社會化媒體（#7）的研究開始走入視野。麥克·塞沃爾等人從2007年就開始關(guān)注社交媒體MySpace，之后對社會化媒體進行持續(xù)的研究，包括對短文本數(shù)據(jù)的情感監(jiān)測算法的研究，以及對社交媒體用戶行為、屬性及其社交關(guān)系網(wǎng)絡(luò)的分析等[4]。

2）探索發(fā)展階段（2011—2013）：較為分散的主題分布。此階段研究主題聚類標簽為#2、#3、#5、#7、#8、#15。2011至2012年，研究繼續(xù)在社會化媒體主題上進行的同時，也在中國微博（#2）、用戶認知發(fā)現(xiàn)（#15）等主題上有所發(fā)展。2013年開始社會網(wǎng)絡(luò)文本挖掘（#8）成為研究的新興主題。如穆斯塔夫·穆罕默德在消費者品牌情感進行社會網(wǎng)絡(luò)文本挖掘的研究中，使用專業(yè)詞典對諾基亞等5個品牌的Twitter平臺網(wǎng)民情緒進行挖掘[5]。莎拉·凱瑞特娜等人通過文本挖掘在Twitter社交網(wǎng)絡(luò)中進行用戶身份識別研究[6]。

3）集中發(fā)展階段（2014年至今）：以社會化媒體為主題持續(xù)發(fā)展。此階段研究主題聚類標簽為#0、#1。2014年開始，研究主題開始集中到社會化媒體（#1）的網(wǎng)絡(luò)輿情文本挖掘上，之后的研究也繼續(xù)沿著這個脈絡(luò)不斷向前發(fā)展至今（#0）。如庫瑪·拉維等人對2000—2015年的社交媒體情感分析研究中，總結(jié)了情感分析的主要任務(wù)、方法和應(yīng)用情況，文本挖掘在社會化媒體中的應(yīng)用逐漸受到重視[7]。阿莎·馬尼克于2017年使用一種基于SVM的基尼索引特征選擇方法，對社交媒體中電影評論數(shù)據(jù)集進行情感分類[8]。近年來，基于深度學(xué)習(xí)的社交媒體文本挖掘受到研究者的重視。如2019年泰國帕蘇帕等人對CNN、LSTM、Bi-LSTM幾種常見的深度學(xué)習(xí)模型進行評估，發(fā)現(xiàn)使用word embedding、POS標簽等功能的CNN模型效果最好[9]。

3 基于文本挖掘技術(shù)的網(wǎng)絡(luò)輿情研究熱點與前沿

3.1 研究熱點分析

1）關(guān)鍵詞頻次（Freq）統(tǒng)計分析。通過分析文獻的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖譜，發(fā)現(xiàn)目前文本挖掘和網(wǎng)絡(luò)輿情的交叉領(lǐng)域熱點關(guān)鍵詞為情感分析、意見挖掘、文本挖掘、Twitter、文本分類、社會化媒體、機器學(xué)習(xí)等。其中，情感分析和意見挖掘的頻次最高，在數(shù)據(jù)集的706篇文獻中分別占比44%和34%。

2）中心性（Centrality）分析。將關(guān)鍵詞按照中介中心性排序，得到值最高的關(guān)鍵詞為情感分類（0.26），其余較高的還有社會化網(wǎng)絡(luò)（0.21）、SVM（0.13）等，說明這些關(guān)鍵詞在多個研究子領(lǐng)域中比較重要且影響力強。這可能是因為社會化網(wǎng)絡(luò)和情感分類是網(wǎng)絡(luò)輿情研究中文本挖掘重要的應(yīng)用領(lǐng)域，而支持向量機是機器學(xué)習(xí)經(jīng)典的分類器，在情感分析和文本分類中都有廣泛的應(yīng)用。

3）突現(xiàn)（Burst）時間與強度分析。對關(guān)鍵詞突現(xiàn)進行分析，可以得到關(guān)鍵詞發(fā)展的脈絡(luò)。關(guān)鍵詞中突現(xiàn)強度值最高的為深度學(xué)習(xí)（9.06），說明從2018年開始深度學(xué)習(xí)成為網(wǎng)絡(luò)輿情文本挖掘新的熱點。深度學(xué)習(xí)是機器學(xué)習(xí)中一個新的研究方向，它使文本挖掘的方法不再局限于統(tǒng)計和傳統(tǒng)的機器學(xué)習(xí)算法，而是可以利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）等神經(jīng)網(wǎng)絡(luò)進行挖掘，為結(jié)果準確度提升帶來了更大的空間。2019年突現(xiàn)的關(guān)鍵詞為情感分析、神經(jīng)網(wǎng)絡(luò)，代表著近兩年的研究熱點發(fā)展方向。

3.2 研究前沿分析

根據(jù)之前的分析結(jié)果，發(fā)現(xiàn)2020年基于文本挖掘的網(wǎng)絡(luò)輿情研究主題將繼續(xù)集中在社會化媒體上。2020年，不同國家的研究發(fā)文量仍以中國為首（30篇），其次為美國和印度，分別為18篇和12篇。研究機構(gòu)中發(fā)文量最多的為伊朗的阿扎德大學(xué)（3篇），中國的機構(gòu)主要有中國科學(xué)院（2篇）、南京科技大學(xué)（2篇）、北京理工大學(xué)（2篇）等；印度主要有德里大學(xué)（2篇）、韋洛爾技術(shù)大學(xué)（2篇）等。

通過分析2020年關(guān)鍵詞共現(xiàn)知識圖譜，可知前沿的熱點研究主要集中在情感分析、意見挖掘、文本分類、深度學(xué)習(xí)、社會化媒體、神經(jīng)網(wǎng)絡(luò)、Twitter等關(guān)鍵詞，其中情感分析和意見挖掘的共現(xiàn)頻次最高，成為最受關(guān)注的主題。被引數(shù)較高的文獻中，Greco等人將文本情感挖掘應(yīng)用到品牌管理的顧客分析中，以Twitter為數(shù)據(jù)源研究用戶社區(qū)的特點及產(chǎn)品偏好、表征和情緒[10]；阿德南·沙等人用深度學(xué)習(xí)的方法分析患者情緒，提出一種多模態(tài)方法來分析患者對醫(yī)療服務(wù)質(zhì)量的情緒狀態(tài)[11]。

4 總結(jié)與展望

本研究基于文獻計量學(xué)，使用CiteSpace繪制網(wǎng)絡(luò)知識圖譜，對基于文本挖掘的網(wǎng)絡(luò)輿情研究的706篇相關(guān)文獻進行國家機構(gòu)分析、研究者合作分析、關(guān)鍵詞共現(xiàn)與聚類分析，發(fā)現(xiàn)目前該領(lǐng)域的研究仍處于發(fā)展階段，并開始集中向社會化媒體主題集中發(fā)展；研究數(shù)量從2004年開始逐年呈現(xiàn)逐年遞增的態(tài)勢，中國、美國和印度成為領(lǐng)域中研究成果較為突出的國家；其研究成果主要分布在科學(xué)技術(shù)學(xué)科領(lǐng)域，在社會科學(xué)和藝術(shù)人文中也占有一定比例；情感分析、意見挖掘成為領(lǐng)域中的熱點關(guān)鍵話題，在2020年依然熱度不減。

根據(jù)之前的趨勢分析和的前沿分析，未來該領(lǐng)域的熱點應(yīng)該仍集中在網(wǎng)絡(luò)輿情的情感分析和意見挖掘上；在研究發(fā)展方向上，一方面是對理論技術(shù)模型進行不斷創(chuàng)新和優(yōu)化，另一方面是在社會科學(xué)和藝術(shù)人文領(lǐng)域能夠應(yīng)用文本挖掘技術(shù)進行更多創(chuàng)新型的研究。文本挖掘技術(shù)在社會科學(xué)中的應(yīng)用使處理海量文本成為可能，這能夠幫助研究者歸納出一些隱藏的結(jié)論，并且更加客觀地分析情感、態(tài)度、觀點與行為的關(guān)系。但是其應(yīng)用也面臨一些問題，如算法不夠精準、對數(shù)據(jù)的分析解讀不如人工細膩、掌握文本挖掘技術(shù)的人才較少等。因此，為了提高研究成果的質(zhì)和量，如何推動跨學(xué)科研究的發(fā)展也是該領(lǐng)域需要重點考慮和解決的問題。

參考文獻

[ 1]陳美超.CiteSpace II：檢測和可視化科學(xué)文獻中的新興趨勢和瞬態(tài)模式[J].美國信息技術(shù)協(xié)會，2006，57（3）：359-377.

[2]劉冰，胡敏清，程俊生.意見觀察：網(wǎng)絡(luò)輿情的分析與比較研究[C]//美國計算機協(xié)會.第14屆萬維網(wǎng)國際會議論文集.紐約：美國計算機協(xié)會，2005：342-351.

[ 3]艾哈邁德·阿巴斯，陳秀珍，斯文·湯姆斯，等.基于相關(guān)集合的網(wǎng)絡(luò)論壇與微博使用影響研究[J].IEEE知識與數(shù)據(jù)工程學(xué)報，2008，20（9）：1168-1180.

[ 4]麥克·塞沃爾.社交網(wǎng)絡(luò)、性別與交友：基于MySpace平臺用戶的分析[J].美國信息技術(shù)學(xué)會雜志，2014，59（8）：1321-1330.

[ 5]穆斯塔夫·穆罕默德.超越文字：社會網(wǎng)絡(luò)中的消費者品牌情感文本挖掘研究[J].專家系統(tǒng)及其應(yīng)用，2013，40（10）：4241-4251.

[ 6]莎拉·凱瑞特娜，漢尼·霍斯尼，道格·克賴頓.基于文本挖掘的Twitter社交網(wǎng)絡(luò)用戶身份識別研究[C]//IEEE系統(tǒng)、人與控制論國際會議.IEEE，2013：3079-3082.

[7]庫瑪·拉維 AB，瓦德拉瑪尼·拉維 A.意見挖掘與情感分析：任務(wù)、方法與應(yīng)用[J].知識庫系統(tǒng)，2015，89：14-46.

[ 8]阿莎·馬尼克，迪帕·謝諾，錢德拉·莫漢，等.基于Gini指數(shù)特征選擇方法和SVM分類器的大型電影評論情感分析術(shù)語詞提取[J].萬維網(wǎng)、互聯(lián)網(wǎng)和萬維網(wǎng)信息系統(tǒng)，2017，20（2）：135-154.

[ 9]帕蘇帕 S，阿尤特亞 TSN.基于深度學(xué)習(xí)的泰語情感分析：基于詞嵌入、POS-tag和情感特征的比較研究[J].可持續(xù)發(fā)展城市與社會，2019：50.

[ 10]希臘·弗朗西斯卡，波利·亞歷山德羅.情感文本挖掘：品牌管理中的消費者分析[J].國際信息管理雜志，2020（51）：1-8.

[ 11]阿德南·沙，嚴相斌，阿薩德·沙，等.基于患者意見挖掘的醫(yī)療保健服務(wù)質(zhì)量評估：一種深度學(xué)習(xí)方法[J].環(huán)境智能與人性化計算雜志，2020，11（7）：1-18.