基于詞向量高階復雜性的鏈路預測技術(shù)＊
——以礦產(chǎn)企業(yè)風險預警為例

趙雨恒 管 青 姜 馳

（中國地質(zhì)大學（北京）信息工程學院，北京 100083）

引言

為了獲得競爭優(yōu)勢，礦企從業(yè)人員必須及時了解并響應大眾對礦產(chǎn)企業(yè)的輿論[1]。傳統(tǒng)的人工獲取大眾輿情的方法存在以下問題。

（1）大眾評價過度零碎且“個性化”

不一樣的礦產(chǎn)資源在需要量、經(jīng)濟收益等領(lǐng)域出現(xiàn)差別，公眾的評價趨向于“個性化”。高管需要每日核查公眾對各網(wǎng)站的評價，人工成本大，易出差錯。

（2）對關(guān)鍵輿論不夠的預警信息和追蹤

礦產(chǎn)資源開發(fā)設計存有一些漏洞，當要求提升時，資源進到一定時間時，一部分漏洞會加快曝露，并突發(fā)性新的漏洞[2]。通常會導致財產(chǎn)損失，乃至危害礦山開采生態(tài)體系的總體均衡。

（3）評論優(yōu)劣和大眾情緒難以得到客觀點評

手動式匯總和區(qū)別很有可能會因為信息內(nèi)容有誤而造成戰(zhàn)略決策不正確。

因為以上礦山公司搜集公眾評價的不夠，文中搜集某大型企業(yè)的“中國五礦”點評，運用數(shù)字模型和計算方式完成分析，發(fā)掘公眾對熱點話題的客觀感情發(fā)展趨勢，為礦產(chǎn)從業(yè)人員緊緊圍繞企業(yè)輿論給予安全可靠的根據(jù)。

一、本文思路和研究框架，如圖1所示

二、理論方法

1.文本表示

可依據(jù)不一樣的工作標準，Word2Vec可以設定最后單詞向量的層面[3]，結(jié)果單詞向量具備能加性，可以用來表明Word2Vec單詞向量的總數(shù)：vec（Actor）-vec（Actress）=vec（Man）-vec（Woman）Word2Vec中含有連續(xù)詞袋模型（CBOW）和Skip-gram。假設某個待推測的詞是wi，則其前后詞信息為Context（wi）={wi-c'…，wi-1'，wi+1，…，wi+c}其中C為前后單詞的個數(shù)，wi出現(xiàn)的概率可表示為P=P（wj|Context（wi））。

2.情感分析——知識工程法

知識工程法[4]必須事前搭建有收剖析的文本的各個領(lǐng)域的情感詞典。完成環(huán)節(jié)：即將研究的句子分成單詞，解析xml句子中的單詞，分辨單詞是不是發(fā)生在情感詞典中。統(tǒng)計分析評定詞典中產(chǎn)生的單詞和句子中的部位，各自開展水平詞解決和否定詞處理，并依據(jù)具體文本測算權(quán)重值。更細膩的情感趨向剖析要恰當解決文章內(nèi)容中的表情圖、感嘆句、反問句等。最終求合，獲得文章內(nèi)容的情感分值。

三、輿情文本的話題檢測

基于Word2Vec擴展的LDA的文本表示，假設礦產(chǎn)企業(yè)相關(guān)評論文本集由N篇評論文本{d1，d2，…，dN}組成，任一篇文本都包含k個主題{z1，z2，…，zK}，則礦產(chǎn)企業(yè)相關(guān)評論文本集D可表示為

在其中，ZjiZji等同于第i段文本中的第j段主題幾率，n相當于語料庫尺寸，即n篇文本。

與此同時，根據(jù)Skip-gram來練習詞向量，可以假定單詞空間向量維為K '。假如全部文本都包括M個詞{w1，w2，w3，…，wm}以及k特性，則文本就可以被表明出來。

實驗的訓練集是采用了與“礦山公司”有關(guān)的16186篇評論性文章。本實驗較為了基于Word2Vec拓展的LDA+SKM、基 于Word2Vec拓 展 的LDA+優(yōu) 化SKM、Word2Vec+SKM、VSM+SKM、傳統(tǒng)式LDA+SKM，比對五組實驗結(jié)果，如表1所顯示。

表1 五種組合算法對比實驗評估結(jié)果

四、輿情文本情感分析

1.基于BosonNLP的情感詞典

BosonNLP全自動搭建成來源于新浪微博、新聞報道、社區(qū)論壇等數(shù)據(jù)庫的上百萬條情感標識數(shù)據(jù)信息。最先解決要研究的文本中文分詞，隨后反復文本中的每一個詞，在詞典中搜索該詞的情感分值，隨后累計文本中產(chǎn)生的全部詞的情感分值，假如在詞典中找不著文本中的詞，則算為零。全部文本都如上處理，獲得了持續(xù)的文本情感評定分值。

2.實驗方案

實驗數(shù)據(jù)選用“中國五礦”礦企的新浪微博等平臺的評論文本，文本預備處理后，12805個文本任意應用2000個做為檢測集，剩余的10805個作為訓練集。各自應用BosonNLP和HowNet評定字典，依據(jù)礦山公司行業(yè)的詞開展拓展，對評論文本開展打分，確定最好閥值后，對全部文本開展評定進行情感歸類。如圖2所示。

上述3組對比實驗的實驗結(jié)果如表2所示。

表2 3組對比實驗評估結(jié)果

五、“中國五礦”企業(yè)輿情文本的實證研究

此項實證分析為各個平臺設計了專業(yè)的網(wǎng)絡爬蟲，每日手動式獲得全新的輿論數(shù)據(jù)信息。應用Sqlalchemy庫文件的create_engine函數(shù)將數(shù)據(jù)庫連接到Python專用工具，提取“中國五礦”企業(yè)需要的評論文本。使用詞云可視化各平臺對同一個礦企的點評，屆時還可看到不同平臺對同一個礦企的評價。如圖3所示。

從圖4可以看得出，針對“中國五礦”礦企全部平臺的文本分析，全部平臺的評論中含有47%的負面評論。

對于話題檢驗方式與情感分析方式的融合非常清晰的反映在“中國五礦”企業(yè)的輿論文本分析中，這二者的運用合理緩解了礦企的輿論搜集和分析每日任務中具有的三個難點：

定向網(wǎng)絡爬蟲程序的開發(fā)設計一定程度解決了大家點評零碎、“個性化”產(chǎn)生的輿論信息收集耗費人力資源問題。從業(yè)者不需再手動式采集大眾評價，只需運作網(wǎng)絡爬蟲，將全部輿論文本定期升級儲存在數(shù)據(jù)庫系統(tǒng)中。

“重點輿論的預警和追蹤”問題一定程度上被整體話題檢測所解決。礦產(chǎn)從業(yè)者無須再人工制作歸納搜集的信息內(nèi)容，只用將全部評論文本鍵入到話題檢測方式進行練習，并自動聚類分析每個話題類型以及濃度值。

“企業(yè)優(yōu)劣和大眾情緒無法獲得客觀性點評”的問題一定程度上被整體情感分析所解決。從業(yè)人員不用看大眾評論來分辨情感趨向，只需將要研究的評論文本鍵入小型神經(jīng)網(wǎng)絡，就可自動檢索其情感趨向。

六、結(jié)語

本文使用基于Word2Vec的輿論分析與預測技術(shù)，開展輿論文本話題檢驗、輿論文本的情感分析，以＂中國五礦＂礦企為例子，為礦企給予了進行輿論分析和避開輿論風險的方法。