考慮情感強(qiáng)度的加權(quán)社會(huì)網(wǎng)絡(luò)偏好信息識(shí)別研究

來能燁

（上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620）

0 引 言

通常情況下，大多數(shù)網(wǎng)民會(huì)在各種社交網(wǎng)絡(luò)上表達(dá)出對(duì)社會(huì)熱點(diǎn)事件的不同看法。因此，如何有效識(shí)別其態(tài)度、行為和情感偏好程度成為被廣泛關(guān)注的研究熱點(diǎn)。情感偏好是情感強(qiáng)度的另一種表達(dá)形式，在根本上決定著人的思想、行為和生理活動(dòng)，制約著情感的動(dòng)力特性。

基于此，諸多學(xué)者及專業(yè)人士從各方面對(duì)該問題進(jìn)行了研究并提出各自觀點(diǎn)。Pablo C等人［1］指出，社交網(wǎng)絡(luò)領(lǐng)域的主要研究方向之一，是尋找和分析用戶之間可能存在的聯(lián)系。這些發(fā)展允許用戶在其聯(lián)系人網(wǎng)絡(luò)上進(jìn)行擴(kuò)展，而不必在全部用戶中進(jìn)行搜索；?avdar，A B等［2］研究挖掘社交和交互數(shù)據(jù)，將這些信息與當(dāng)前的數(shù)據(jù)分析模型結(jié)合起來，得出其結(jié)合程度是有限的的結(jié)論?？墒褂每蛻舻纳缃痪W(wǎng)絡(luò)信息來增強(qiáng)這個(gè)基本模型，以包含客戶所做的間接貢獻(xiàn)；Daniela F E等［3］描述了如何將Twitter上的性別識(shí)別作為一種智能的商業(yè)工具，來確定用戶之間的隱私問題，并最終為更有可能積極響應(yīng)目標(biāo)廣告的客戶提供更個(gè)性化的服務(wù)；Ran X［4］研究網(wǎng)絡(luò)傳播效應(yīng)，也被稱為同伴效應(yīng)或社會(huì)影響過程，并提出了幾種替代估計(jì)方法，當(dāng)存在共同決定影響和選擇的未觀察特征時(shí)，這些方法有可能正確識(shí)別傳染效應(yīng)。采用蒙特卡羅模擬結(jié)果，設(shè)計(jì)了一種網(wǎng)絡(luò)空間調(diào)整估計(jì)器；杜永萍等人［5］提出了一種CNNLSTM模型下短文本情感分類方法，該方法以卷積神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，構(gòu)建大小不同的卷積窗口，對(duì)文本的譜義特征進(jìn)行提取，采用長短時(shí)記憶模型，預(yù)測文本的情感傾向。通過在不同文本中進(jìn)行驗(yàn)證，證明方法有效提高了網(wǎng)絡(luò)文本情感識(shí)別的召回率，但是其準(zhǔn)確率相對(duì)較低。穆永利等人［6］提出了一種基于E-CNN的情緒原因識(shí)別方法。該方法首先對(duì)本文進(jìn)行卷積、池化等操作來融合句子中的語義信息，通過CNN集成降低數(shù)據(jù)不平衡性對(duì)識(shí)別效果的影響，解決了傳統(tǒng)識(shí)別方法規(guī)則制定繁瑣、需要對(duì)文本進(jìn)行空間降維等問題。該方法可以從所有信息中有效識(shí)別全局信息，但是沒有給出一個(gè)能夠判斷句子中真正情感的子句的合理度量，使得最終識(shí)別結(jié)果不夠準(zhǔn)確。

為提高情感偏好識(shí)別的準(zhǔn)確率和識(shí)別效率，本文提出了一種考慮情感強(qiáng)度的加權(quán)社會(huì)網(wǎng)絡(luò)偏好信息識(shí)別算法。該算法的優(yōu)越之處在于將網(wǎng)絡(luò)文本語句中不同程度的副詞賦予不同的權(quán)重值，通過本身定義的權(quán)重值與句中的副詞權(quán)值相乘來獲得文本的總體情感強(qiáng)度。通過GMM算法進(jìn)行情感偏好狀態(tài)測定，完成識(shí)別全過程，總體識(shí)別效果更好，具有較好的應(yīng)用價(jià)值。

1 文本挖掘

文本挖掘以語言學(xué)、統(tǒng)計(jì)梳理分析等作為主要理論依據(jù)，在信息檢索技術(shù)的基礎(chǔ)上，從網(wǎng)絡(luò)繁雜的用戶信息中，將能夠表現(xiàn)出各類特征的獨(dú)立信息提取出來。在文本挖掘過程中，文本分詞是很重要的一部分，其關(guān)鍵部分在于歧義切分。在英文文本中，因其單詞之間有空格能夠被視為分隔符，所以歧義切分過程較為方便，但是中文文本中每句話的字詞都是相互聯(lián)系的，沒有明顯的分隔標(biāo)記，相對(duì)英文文本來說，中文文本的歧義切分較為復(fù)雜。

為了使分詞具有較好效率的同時(shí)也能充分保證分詞的準(zhǔn)確性，使用詞典與互信息相結(jié)合的分詞方法，對(duì)文本進(jìn)行分詞處理。將M I（x，y）定義為詞x和詞y的互信息，則有：

式中，當(dāng)M I（x，y）≥0時(shí)，表明二者經(jīng)常同時(shí)出現(xiàn)，同時(shí)證明兩個(gè)詞的關(guān)聯(lián)性很強(qiáng)；當(dāng)M I（x，y）≈0，則代表x和y同時(shí)出現(xiàn)的次數(shù)極少，從而證明二者的關(guān)聯(lián)性較弱；當(dāng)M I（x，y）≤0時(shí)，則表明x和y不會(huì)同時(shí)出現(xiàn)，二者之間沒有關(guān)聯(lián)性，為互補(bǔ)分布。

通過對(duì)詞語互信息的計(jì)算，原詞典中信息就會(huì)隨之豐富，從而獲得詞與詞之間的互信息矩陣為：

在進(jìn)行文本分詞時(shí)，為豐富詞典信息，使用雙向匹配分詞法對(duì)網(wǎng)絡(luò)文本語句進(jìn)行切分處理。在處理過程中，當(dāng)正向和逆向切分的最終呈現(xiàn)效果不同時(shí)，通過互信息選出最適合整體的分詞結(jié)果，同時(shí)計(jì)算切分后詞語的整體平均互信息以減少詞語個(gè)數(shù)對(duì)切分結(jié)果的影響。其計(jì)算方法如式（3）：

式中，n表示被切分詞語數(shù)量，Wi表示第i個(gè)切分詞語。

由于中文文本中的語言表達(dá)形式較為復(fù)雜，直接挖掘分析切分后的語句尤為困難。因此需要將分詞處理的文本整合成更適合定量研究的文本情感形式。首先，提取各網(wǎng)絡(luò)文本內(nèi)的情感特征項(xiàng)，然后對(duì)提取后的情感特征項(xiàng)做文本系統(tǒng)結(jié)構(gòu)化，并將其作為中間狀態(tài)依次對(duì)文本信息進(jìn)行描述。在文本系統(tǒng)中，文本之間是相互不發(fā)生聯(lián)系的，因此從數(shù)據(jù)整體來看文件之間數(shù)據(jù)是沒有結(jié)構(gòu)關(guān)系的，而結(jié)構(gòu)化就是將程序中逐漸積累出的內(nèi)容和數(shù)據(jù)進(jìn)行歸納整理，使程序數(shù)據(jù)條理化，更易于后期的處理。

文本通常能夠通過詞語來表達(dá)特征，如關(guān)鍵詞、主題詞、短語等。一般情況下，文本特征大致可以劃分為語義特征和描述特征兩類，通過處理特征項(xiàng)就可以實(shí)現(xiàn)文本分析。提取語義特征中的評(píng)價(jià)對(duì)象主要過程如下：

（1）采用中分詞方法對(duì)文本進(jìn)行分詞處理。

（2）對(duì)切分后的名詞進(jìn)行比對(duì)，得到評(píng)價(jià)對(duì)象。

（3）選出文本中含有評(píng)價(jià)對(duì)象的句子。

（4）將修飾評(píng)價(jià)對(duì)象的詞語進(jìn)行篩選，將其視為情感詞，并且將修飾情感詞的副詞定義為修飾詞。

（5）記錄情感詞及修飾詞的相對(duì)位置。

2 情感強(qiáng)度模型

2.1 基于情感強(qiáng)度的詞表構(gòu)建

在文本中，句中的一些副詞往往可以表達(dá)出這個(gè)句子的情感強(qiáng)度，不同程度的副詞賦予不同的權(quán)重值。整個(gè)句子的最終情感權(quán)值，可以通過自身定義的權(quán)值與句中的副詞權(quán)值相乘而獲得。

本文選擇219個(gè)程度副詞，根據(jù)其強(qiáng)度分為5個(gè)等級(jí)（W1，W2，W3，W4，W5），分別賦予不同的權(quán)重值見表1，構(gòu)建的文本情感見表2。

表1 程度副詞權(quán)重Tab.1 Weight of degree adverbs

表2 情感詞表Tab.2 Sentiment word table

2.2 文本情感計(jì)算規(guī)則

將文本D分解成句子S的集合，則D={S1，S2，···，Sn}，每個(gè)句子的情感權(quán)值（Si）為：

式中，Swi表示每個(gè)句子中副詞的權(quán)重值；如果F（S）＞0，則可以判定該文本為正向情感；如果F（S）＜0，則可以判定該文本為負(fù)向情感；如果F（S）=0，則可以判定該文本為中性情感。

計(jì)算情感詞W的值Swi如下式：

式中，Np表示正向詞的數(shù)目，Nn表示負(fù)向的詞匯數(shù)目。

考慮到文本中句型對(duì)情感強(qiáng)度判定的影響，根據(jù)不同句型歸納出句子的情感值如下：

疑問句：F'（Si）=F（Si）×（-0.2）+（-0.5）

反問句：F'（Si）=F（Si）×（-0.6）+（-0.5）

感嘆句：F'（Si）=F（Si）×（1.5）

假設(shè)句：F'（Si）=F（Si）×（-0.2）

通過句子的情感值可以獲得文本的情感權(quán)重值為［7］：

當(dāng)F'（S）＞0時(shí)，則表示為正向情感［8-9］，F(xiàn)'（S）＜0時(shí)，則可以定義為負(fù)向情感，F(xiàn)'（S）=0時(shí)，則文本可以定義為中性情感。

再次加入程度副詞進(jìn)行計(jì)算如下：

式中，Ne為否定系數(shù)，*為調(diào)節(jié)過程。

若感情詞與否定詞相鄰，則可以判斷該文本為負(fù)偏好情感，因此將其否定系數(shù)Ne設(shè)置為-1。σ表示調(diào)節(jié)系數(shù)，如果篩選出的情感詞與程度副詞“非?！?、“極其”等相鄰時(shí)，則可以判定其為正偏好情感，其表達(dá)式如下：

如果情感詞與“一般”、“還可以”等程度副詞相鄰時(shí)［10］，則可以將該文本定義為中偏好情感。則其情感得分如下式：

3 加權(quán)網(wǎng)絡(luò)信息偏好識(shí)別算法

通過計(jì)算用戶對(duì)目標(biāo)個(gè)體的情感偏好指數(shù)，可以了解用戶對(duì)任意事物的選擇傾向，并能反映出相對(duì)于他人的不同價(jià)值取向，即價(jià)值取向表現(xiàn)的優(yōu)劣程度足以直接反映出個(gè)人的情緒偏好。

語篇情感偏好識(shí)別主要是通過語篇中句子的情感權(quán)重來判斷?？紤]情感強(qiáng)度的社會(huì)網(wǎng)絡(luò)偏好信息加權(quán)識(shí)別，是在文本挖掘和情感強(qiáng)度模型建立的基礎(chǔ)上，通過GMM算法進(jìn)行特征提取和向量轉(zhuǎn)換，確定情感偏好狀態(tài)，完成識(shí)別過程。具體流程如圖1所示。

圖1 識(shí)別流程Fig.1 Identification flow chart

為了更有效的識(shí)別文本情感偏好，需對(duì)文本進(jìn)行預(yù)處理。文本處理包括：命名實(shí)體及過濾停用詞等。本文在Windows操作系統(tǒng)下，獲取相關(guān)文本數(shù)據(jù)，并對(duì)文本中表情符號(hào)、網(wǎng)址等無意義的文本進(jìn)行清理。

采用GMM算法識(shí)別情感詞。其具體數(shù)學(xué)表達(dá)形式如下：

式中，∑i表示協(xié)方差矩陣，μi表示均值矢量。協(xié)方差矩陣可以用滿矩陣，也可以使用簡化后的對(duì)角矩陣。高斯分布密度如下式：

似然度直接決定分類器的置信度，更直接的表現(xiàn)是似然度的分散程度。置信度越高，則判定結(jié)果越準(zhǔn)確。完成識(shí)別全過程步驟如下：

（1）將文本輸入分類器，做詞法和語法分析，獲得更易識(shí)別的文本結(jié)構(gòu)。

（2）對(duì)獲得的結(jié)構(gòu)化文本進(jìn)一步分析，將其與相應(yīng)的情感規(guī)則進(jìn)行匹配。結(jié)合情感強(qiáng)度模型，做情感劃分，得到情感值。

（3）輸出情感值。將判斷用戶偏好的情感值反饋給機(jī)器。

（4）抽取反饋中有價(jià)值的信息，更新詞典。

4 仿真實(shí)驗(yàn)

為了驗(yàn)證考慮情感強(qiáng)度的網(wǎng)絡(luò)評(píng)論情感偏好識(shí)別方法的有效性，本文使用了八爪魚采集器，爬取了新浪微博上關(guān)于“新冠肺炎疫情”爆發(fā)期間的熱門評(píng)論，共計(jì)2 943條作為數(shù)據(jù)來源進(jìn)行對(duì)比實(shí)驗(yàn)。

實(shí)驗(yàn)所用情感詞主要來源于《知網(wǎng)》的情感分析用語詞集，并且加入了一些最新出現(xiàn)的網(wǎng)絡(luò)情感用詞，對(duì)詞語進(jìn)行去重處理后，獲得的主要情感詞。

為驗(yàn)證本文算法的準(zhǔn)確性，將文獻(xiàn)［4-6］中提出的方法與本文算法進(jìn)行比較。利用各算法的準(zhǔn)確率Pre、召回率Rec和F值作為評(píng)判項(xiàng)。Pre其表達(dá)式為：

在識(shí)別過程中，往往不能夠使準(zhǔn)確度和召回率同時(shí)具有較好的表現(xiàn)，因此常使用F值來對(duì)識(shí)別的整體效果做評(píng)估。F值的常用表達(dá)式如下：

其中，各參數(shù)含義見表3。

表3 分類評(píng)價(jià)標(biāo)準(zhǔn)參數(shù)含義表Tab.3 Meanings of parameters for classification evaluation criteria

各算法的各項(xiàng)指標(biāo)值如下圖2所示。

圖2 不同方法的準(zhǔn)確率對(duì)比圖Fig.2 Comparison of precision of each method

由圖2可見，在7次迭代下，本文方法對(duì)網(wǎng)絡(luò)偏好數(shù)據(jù)的分析與識(shí)別準(zhǔn)確率較高，說明在進(jìn)行語篇情感偏好識(shí)別時(shí)，對(duì)語篇中句子的情感權(quán)重判斷效果較好。在文本挖掘和情感強(qiáng)度模型建立的基礎(chǔ)上，考慮情感強(qiáng)度的社會(huì)網(wǎng)絡(luò)偏好信息加權(quán)識(shí)別方法實(shí)際應(yīng)用效果較強(qiáng)。

應(yīng)用情感分析用語詞集，在系統(tǒng)查全率即召回率方面進(jìn)行對(duì)比結(jié)果如圖3所示。

圖3 不同方法的系統(tǒng)數(shù)據(jù)召回率對(duì)比圖Fig.3 Comparison of recall of each method

由圖3可知，在進(jìn)行系統(tǒng)召回率測試時(shí)，本文方法的召回效果對(duì)比結(jié)果魯棒性較強(qiáng)，說明本文方法對(duì)文本中表情符號(hào)、網(wǎng)址等無意義的文本進(jìn)行清理后，實(shí)際有用的數(shù)據(jù)能夠被系統(tǒng)查全即有效召回。

將以上兩次實(shí)驗(yàn)數(shù)據(jù)進(jìn)行二次擬合，使用F值進(jìn)行整體效果評(píng)估。評(píng)估結(jié)果如圖4所示。

圖4 不同方法的F值對(duì)比結(jié)果Fig.4 Comparison of F values of each method

從圖4中可以看出，在情感識(shí)別的過程中，文獻(xiàn)［4］算法整體效果最差，本文算法要優(yōu)于其它文獻(xiàn)方法。最終獲得的召回率、準(zhǔn)確率和F值的數(shù)值都高于前兩者。因此，證明本文算法是可行的，并且識(shí)別效果更優(yōu)。

5 結(jié)束語

用戶對(duì)網(wǎng)絡(luò)使用體驗(yàn)感要求增高，情感強(qiáng)度能夠有效獲取用戶對(duì)某種屬性喜愛程度。本文提出的考慮情感強(qiáng)度的加權(quán)社會(huì)網(wǎng)絡(luò)偏好信息識(shí)別算法，經(jīng)對(duì)比試驗(yàn)得出如下結(jié)論：

（1）通過將其本身定義的權(quán)重值與句中的副詞權(quán)值相乘來獲得文本的總體情感強(qiáng)度，優(yōu)化語句情感權(quán)重，實(shí)現(xiàn)語句的整體閾值。

（2）在排除無意義文本信息后，對(duì)文本進(jìn)行特征提取及向量轉(zhuǎn)化，通過GMM算法進(jìn)行情感偏好狀態(tài)測定，總體識(shí)別效果更好。