應(yīng)用于公司輿情分析的改進(jìn)概念圖算法 

黃苗黃奎崔歡歡朱國銳

摘要：傳統(tǒng)的輿情分析多采用文本聚類和分類技術(shù)，但是由于自然語言自身表達(dá)的復(fù)雜性和靈活性，文本聚類和分類技術(shù)很難從根本上反映話題評論人員對待話題的真實(shí)態(tài)度。針對文本聚類和分類技術(shù)的局限性，設(shè)計(jì)了應(yīng)用于公司輿情分析的改進(jìn)概念圖算法。改進(jìn)的概念圖能表示部分概念節(jié)點(diǎn)的傾向性，利用改進(jìn)的概念圖計(jì)算每條評論的健康度，可有效地從語義分析角度計(jì)算評論語句的健康度。研究結(jié)果表明，應(yīng)用于公司輿情分析的改進(jìn)概念圖算法，其正確率普遍高于基于文本聚類和分類技術(shù)的輿情分析方法。

鍵詞：概念圖；輿情分析；文本傾向性；健康度

DOIDOI：10.11907/rjdk.161459

中圖分類號：TP312

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2016）009002203

基金項(xiàng)目基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（51178373）；科技部科學(xué)技術(shù)支持項(xiàng)目（2008BAH37B05060）；陜西省自然科學(xué)基金項(xiàng)目（2014JM2-6114）

作者簡介作者簡介：黃苗（1989-），女，河南洛陽人，西安建筑科技大學(xué)信息與控制工程學(xué)院碩士研究生，研究方向?yàn)槿斯ぶ悄?；黃奎（1992-），男，河南洛陽人，北京京東尚科信息技術(shù)有限公司工程師，研究方向?yàn)檩浨榉治?；崔歡歡（1989-），女，河南洛陽人，西安建筑科技大學(xué)信息與控制工程學(xué)院碩士研究生，研究方向?yàn)槿斯ぶ悄堋?/p>

0引言

企業(yè)危機(jī)事件爆發(fā)時(shí)，負(fù)面信息在各個(gè)網(wǎng)站迅速傳播。如果企業(yè)不及時(shí)了解輿情態(tài)勢，未能及時(shí)作出正確的澄清和引導(dǎo)，輿情信息對企業(yè)的影響將會(huì)變得不受控制。傳統(tǒng)輿情分析算法多采用文本聚類和分類技術(shù)，能有效地挖掘出熱點(diǎn)話題，但是不能較為準(zhǔn)確地分析出話題評論人員的態(tài)度及其量化值。本文以自然語言理解語義分析理論為基礎(chǔ)[1]，在分析了詞匯褒貶性和副詞強(qiáng)度的基礎(chǔ)上，設(shè)計(jì)了應(yīng)用于公司輿情分析的改進(jìn)概念圖算法，該算法能較好地分析出話題評論人員的態(tài)度及其量化值。

1概念圖基本理論

概念圖（Conceptual Graphs， CGs）是由美國的計(jì)算機(jī)科學(xué)家John F Sowa提出的一種知識表示方法。

定義1：概念圖可以定義為由概念節(jié)點(diǎn)、關(guān)系節(jié)點(diǎn)、有向弧組成的有向聯(lián)通圖[25]，即：

CGs=（Concept，Relation，F(xiàn)）（1）

其中，Concept = {C1，C2，.....，Cm}表示概念圖的概念節(jié)點(diǎn)集合，用來表示實(shí)體、動(dòng)作、狀態(tài)和事件等；Relation={R1，R2，.....，Rn}表示概念圖的關(guān)系節(jié)點(diǎn)集合，用來表示概念節(jié)點(diǎn)和概念節(jié)點(diǎn)之間的關(guān)系；F=（Concept×Relation ） ∪（Relation×Concept）是有向弧集合。

概念圖的表示形式有兩種[6-7]，第一種是圖形表示形式。概念節(jié)點(diǎn)用矩形表示，關(guān)系節(jié)點(diǎn)用橢圓表示，概念節(jié)點(diǎn)和關(guān)系節(jié)點(diǎn)間的關(guān)系用有向弧表示。例如，語句“A cat eats the meat with the paw”的圖形表示法如圖1所示。

第二種是線性表示形式。概念節(jié)點(diǎn)用方括號表示，關(guān)系節(jié)點(diǎn)用圓括號表示。圖1用線性形式表示為：

[EAT]—（AGNT） →[CAT]

（OBJ） →[MEAT]

（MANR） →[PAW].

概念圖的圖形表示形式雖然形象、直觀，但是采用線性表示形式，能更好地在計(jì)算機(jī)中進(jìn)行表示和處理。因此，本文采用概念圖的線性表示形式。

2改進(jìn)的概念圖及健康度計(jì)算方法

2.1改進(jìn)的概念圖知識表示方法

在傳統(tǒng)概念圖的知識表示中，概念節(jié)點(diǎn)自身的傾向性從未在概念圖中反映出來。本文對部分概念節(jié)點(diǎn)引入了詞語的褒貶傾向性，概念節(jié)點(diǎn)的傾向性值用T（Tendency）表示，強(qiáng)度值用D（Degree）表示。但有些概念節(jié)點(diǎn)并不需要賦傾向性值，因?yàn)樵趯υu論句子進(jìn)行傾向性分析時(shí)，材料、地點(diǎn)和類型等名詞之間的關(guān)系并沒有表示出句子所表示的立場，而作為句子的修飾詞語和句子的謂語動(dòng)詞，則表現(xiàn)出該動(dòng)作受體的立場。最后根據(jù)情感詞庫和副詞強(qiáng)度評分表對傳統(tǒng)概念圖賦傾向性值，表1展示了概念圖中關(guān)系對傾向性值的生成情況。

2.2傾向性值賦值規(guī)則

（1）HowNet情感詞典。在中文的文本處理方面最有權(quán)威的資源是HowNet。目前，HowNet最新版的詞典中，中文正面的情感詞語有836個(gè)，中文負(fù)面情感的詞語有1 254個(gè)[8]。其中正面傾向詞匯的T值為+1，負(fù)面詞匯的T值為-1。部分HowNet情感詞語如表2所示。

（2）手動(dòng)添加網(wǎng)絡(luò)情感詞匯。因?yàn)榫W(wǎng)絡(luò)新詞更新快，且在正規(guī)詞典里沒有出現(xiàn)，所以必須針對特定公司，收錄有褒貶性的網(wǎng)絡(luò)情感詞語[9]。其中正面傾向詞匯的T值為+1，負(fù)面詞匯的T值為-1。以京東商城為例，需要手動(dòng)添加的部分負(fù)面詞匯和正面詞匯如表3所示。

（3）程度副詞和否定詞：①程度副詞：程度副詞分為3個(gè)等級，分別賦程度值，程度值用D表示。具體賦值如表4所示；②否定副詞：否定副詞也用T表示，如：“不”、“沒”、“無”等，其T值為-1。

2.3改進(jìn)的概念圖健康度計(jì)算方法

定義2：健康度是評論者對該公司做的某件事的一個(gè)態(tài)度，記為H。健康度的計(jì)算方法如下：

Step1：計(jì)算所有關(guān)系（ADV）中被副詞修飾的動(dòng)詞或形容詞概念節(jié)點(diǎn)的傾向性值，該被修飾的概念節(jié)點(diǎn)傾向性值為該副詞強(qiáng)度值和此概念節(jié)點(diǎn)傾向性值的乘積。如果關(guān)系（ADV）連接的概念節(jié)點(diǎn)中有一個(gè)沒有傾向性，則不進(jìn)行此步的計(jì)算。

Step2：計(jì)算所有關(guān)系（DEC）中被形容詞修飾的概念節(jié)點(diǎn)的傾向性值和計(jì)算關(guān)系（DEC）的傾向性值，該被修飾的概念節(jié)點(diǎn)傾向性值等于被修飾的概念節(jié)點(diǎn)傾向性值和修飾的概念節(jié)點(diǎn)傾向性值的乘積。（DEC）的傾向性值記為Tend（DEC），如果與關(guān)系（DEC）中被修飾的概念節(jié)點(diǎn)和關(guān)系（OBJ）連接，則不計(jì)算此關(guān)系的Tend（DEC）；如果沒有連接，則此關(guān)系的Tend（DEC）為關(guān)系（DEC）連接的兩個(gè)概念節(jié)點(diǎn)傾向性值的乘積。如果關(guān)系（DEC）連接的概念節(jié)點(diǎn)中有一個(gè)沒有傾向性，則不進(jìn)行此步的計(jì)算。

Step3：計(jì)算所有關(guān)系（ISA）的傾向性值，該傾向性值記為Tend（ISA）。該關(guān)系的傾向性值即為與關(guān)系（ISA）相連接的兩個(gè)概念節(jié)點(diǎn)傾向性值的乘積。如果關(guān)系（ISA）連接的概念節(jié)點(diǎn)中有一個(gè)沒有傾向性，則不進(jìn)行此步的計(jì)算。

Step4：計(jì)算所有關(guān)系（OBJ）的傾向性值，該傾向性值記為Tend（OBJ），該關(guān)系的傾向性值為與關(guān)系（OBJ）相連接的兩個(gè)概念節(jié)點(diǎn)傾向性值的乘積。如果關(guān)系（OBJ）連接的概念節(jié)點(diǎn)中有一個(gè)沒有傾向性，則不進(jìn)行此步的計(jì)算。

Step5：計(jì)算健康度，此段評論的健康度等于以上所有3個(gè)關(guān)系傾向性值的相加，即：

H=Tend（DEC）+Tend（ISA）+Tend（OBJ）（2）

3算法示例

3.1概念圖傾向性賦值

根據(jù)情感詞庫和副詞強(qiáng)度評分表為上述的概念圖賦傾向性值和程度值。例如：“可惡的京東，賣給我二手貨，以后不買京東的東西了！”

主題句的概念圖中關(guān)系（OBJ）、（DEC）對傾向性值生成起作用，與修飾關(guān)系（DEC）連接的修飾概念節(jié)點(diǎn)[可惡的]賦值為-1，[京東]、[東西]、[京東的]賦值為+1。與（OBJ）關(guān)系連接的兩個(gè)概念節(jié)點(diǎn)分別賦值，[賣]賦值為+1，[二手貨]賦值為-1。然后為另外一個(gè)與（OBJ）關(guān)系連接的兩個(gè)概念節(jié)點(diǎn)分別賦值，[不買]賦值為-1。所以主題句賦值后的概念圖為：

[賣]—（OBJ）→[二手貨] →（T） →[-1]

（AGNT）→[京東]—（DEC）←[可惡的]→（T） →[-1]

（T） →[+1]

（DIR）→[我]←（AGNT）←[不買]—（OBJ）→[東西]—（DEC）←[京東的]→（T）→[+1]

（T） →[+1]

（T） →[-1]

（T） →[+1].

3.2健康度計(jì)算

計(jì)算主題句的健康度，過程如下：①主題句里沒有程度副詞，所以步驟1省略；②計(jì)算關(guān)系（DEC）的傾向性值，主題句里第一個(gè)（DEC）關(guān)系是：[京東]←（DEC） ←[可惡的]，記為（DEC）1。該關(guān)系中被修飾的概念節(jié)點(diǎn)沒有與關(guān)系（OBJ）連接，所以，計(jì)算Tend（DEC）1等于該關(guān)系連接的概念節(jié)點(diǎn)的乘積，即（-1）*（+1）=-1；第二個(gè)（DEC）關(guān)系是：[東西] ←（DEC） ←[京東的]，記為（DEC）2，由于該關(guān)系中被修飾的概念節(jié)點(diǎn)與關(guān)系（OBJ）連接，所以不計(jì)算Tend（DEC）2，概念節(jié)點(diǎn)[東西]的傾向性值為[東西]和[京東的]傾向性值的乘積，即（+1）*（+1）=+1；③主題句里沒有（ISA）關(guān)系，所以此步驟省略；④第一個(gè)（OBJ）關(guān)系：[賣] →（OBJ） →[二手貨]，記為（OBJ）1，Tend（OBJ）1=（+1）*（-1）=-1；第二個(gè)（OBJ）關(guān)系：[不買] →（OBJ） →[東西]，記為（OBJ）2，Tend（OBJ）2= （-1）*（+1）=-1；⑤計(jì)算可得健康度為-3。

此評論文本的健康度表明，該評論者對該公司的某個(gè)事件持否定態(tài)度，且否定度為3。

4實(shí)驗(yàn)結(jié)果及分析

本試驗(yàn)系統(tǒng)采用Java語言來實(shí)現(xiàn)，操作系統(tǒng)為Windows7，CPU為AMD 四核A8處理器，內(nèi)存為4G。

本文收集了新浪微博關(guān)于京東商城5個(gè)主題的1 000多條評論，通過人工測試某評論，健康度為正（負(fù)），而實(shí)驗(yàn)系統(tǒng)測試該評論的健康度也為正（負(fù)），此時(shí)為正確結(jié)果。最后再用KNN（K最近鄰）、SVM（支持向量機(jī)）、Naive Bayes（樸素貝葉斯）幾種分類算法分別測試該1 000多條評論的正、負(fù)、中立態(tài)度。通過比較正確率說明本算法的優(yōu)越性，同時(shí)用精確率來說明本算法的可靠性。

設(shè)某個(gè)主題的總評論數(shù)為n，系統(tǒng)測試為正確結(jié)果的評論數(shù)為m，則系統(tǒng)測試的正確率為：

正確率=（m/n）*100%（3）

系統(tǒng)測試的健康度和人工測試的健康度的差值，與人工測試的健康度比值即為每條評論的精確度，再通過每條評論精確度的加權(quán)平均得到精確率。則系統(tǒng)測試的精確度和精確率公式如下：

精準(zhǔn)度=1-|人工測試的評論健康度-系統(tǒng)測試的評論健康度||人工測試的評論健康度|（4）

精準(zhǔn)度=1m∑i=mi=1|人工測試的評論健康度-系統(tǒng)測試的評論健康度||人工測試的評論健康度|×100%（5）

本測試系統(tǒng)的正確率和精確率及其它算法測試的正確率結(jié)果如表5所示。

從表5可以看出，本算法的正確率都在83%以上，普遍高于其它算法，同時(shí)也有很高的精確率。

5結(jié)語

本文針對網(wǎng)絡(luò)上關(guān)于公司的輿情信息，設(shè)計(jì)了一個(gè)應(yīng)用于公司輿情分析的改進(jìn)概念圖算法。綜合分析表明，本算法對短評論有較好的精確度，對長評論句子的精確度有誤差。本算法正確率普遍高于KNN算法、SVN算法和Naive Bayes算法，同時(shí)本算法有較高的精確率。采用該方法，在微博和論壇上摘取評論者對某個(gè)特定公司的評論，可以自動(dòng)、實(shí)時(shí)地分析出評論者對于該公司某事件的態(tài)度。同時(shí)本算法首次將概念圖的知識表示方法應(yīng)用到公司的輿情分析系統(tǒng)中，對其它領(lǐng)域的輿情分析系統(tǒng)具有一定參考價(jià)值。

參考文獻(xiàn)參考文獻(xiàn)：

[1]STPHEN D RICHARDSON， GEORGE E HEIDORN， KEREN JENSEN. Natural language processing： the PLNLP approach[M]. New York： Kluwer Academic，1993：126128.

[2]SOWA，J F.Conceptual structures： information processing in mind and machine[M].AddisonWesley Publishing Company，1984.

[3]SOWA J F. Conceptual graphs for database interface[J].IBM J Res & Dev，1976，20（4）：336357.

[4]劉培奇，凡星，段中興.傾向性文本的概念圖過濾技術(shù)的研究[J].微電子學(xué)與計(jì)算機(jī)，2012，29（12）：8487.

[5]劉培奇，李增智，趙銀亮.擴(kuò)展產(chǎn)生式規(guī)則知識表示方法[J].西安交通大學(xué)學(xué)報(bào)，2004，38（6）：587590.

[6]吳彬，羅鈞.基于模糊認(rèn)知圖的資源描述框架（RDF）研究[J].微電子學(xué)與計(jì)算機(jī)，2009，26（3）：4244.

[7]劉培奇，李增智.基于模糊含權(quán)概念圖的主觀題自動(dòng)閱卷方法研究[J].計(jì)算機(jī)應(yīng)用研究，2009，26（12）：45654567.

[8]張鵬星.基于文本傾向性分析的網(wǎng)絡(luò)輿情分析及其趨勢預(yù)測[D].昆明：云南財(cái)經(jīng)大學(xué)，2013.

[9]張超.文本傾向性分析在輿情監(jiān)控系統(tǒng)中的應(yīng)用研究[D].北京：北京郵電大學(xué)，2008.

責(zé)任編輯（責(zé)任編輯：黃?。?