社會媒體文本情感可視計算方法研究

《社會媒體文本情感可視計算方法研究》是劉箴為項目負責人，寧波大學為依託單位的聯合基金項目。

基本介紹

• 中文名：社會媒體文本情感可視計算方法研究
• 項目類別：聯合基金項目
• 項目負責人：劉箴
• 依託單位：寧波大學

項目摘要

社會媒體爆發式的信息傳播方式易引發負面情緒的迅速擴散, 一旦失控, 將導致群體性事件變得難以控制,及時發現社會媒體文本情感的分布和變化是控制網路輿情的重要環節。 已有的情感分析研究多局限在情感的傾向性方面, 未能很好反映情感詞的模糊性和上下文關係，缺乏對各類情緒的詳細描述, 不能形象直觀地反映社會群體的情緒變化。本項目結合課題組在情感計算、虛擬現實和文本分析領域的研究基礎，針對社會媒體，提出一種基於認知的文本情緒模型，通過建立領域字典和推理規則，結合句法分析，充分考慮了文本詞與詞之間的邏輯關係。研究社會網路的情緒感染模型，通過具體的社會媒體數據驗證模型的有效性。在此基礎上，建立文本情感分析的可視計算方法，採用虛擬現實和人機互動技術，構建具有行為表現力的虛擬輿情員，通過虛擬輿情員表情來實時呈現人群的情緒變化，研究結果有望為基於大數據的網路輿情分析提供一種新方法。

結題摘要

近年來社會媒體發展迅速，已經在社會生活中扮演著重要的角色。社會組織和政府部門可以通過社會媒體廣泛聽取民眾意見，同時也要加強輿論監管，應付網路輿情。網路輿情中的負面情緒，對社會安全的影響尤為重大。面對海量的社會媒體文本信息，人工監督網路輿情顯得應接不暇，急需研製面向各類用途的網路輿情監測系統。以往的輿情監控研究多關注情感的傾向性，實際上很多輿情事件往往包含多種情緒類型。 本項目從人群情緒檢測的視角，開展了社會媒體文本情感分析方法研究，針對已有的文本情感分析大多依賴句法分析和情感詞典，情感語義理解局限在情感傾向性分析等方面的不足。在借鑑認知評價理論的思想基礎上，提出基於OCC模型和貝葉斯網路的情緒分類方法，充分考慮了文本詞與詞之間的邏輯關係。通過分析OCC模型的情緒生成規則，並結合表情符號特徵構建情緒分類貝葉斯網路，通過機率推理可以實現句子級文本的情緒分類。本項目還對文本情感分析從多個角度開展了研究，提出了基於雙向LSTM的動態情感詞典構建方法，可以有效地提高微博情感分類精度。對詞向量預訓練的不平衡文本情感分類開展分析，實驗驗證了預訓練方法與代價敏感方法相結契約樣具有提昇平衡性能的可能。為克服有些情感詞語在文本中模糊性強的問題,提出基於擴展隨機遊走模型的情感詞極性判別算法, 探討了基於強化表征學習深度森林的文本情感分類方法和深度學習在微博情感分析中套用方法。本項目還研究了人群情緒感染模型，設計了社會媒體情感分析原型系統，整合情緒分類、情緒強度分析以及可視化等功能，直觀呈現人群情緒變化，為網路輿情檢測提供一種可視手段。