基于深度學(xué)習(xí)的新疆熱門微博評論的情感分析

黎潔君

摘 要：加強(qiáng)互聯(lián)網(wǎng)輿情管理是國家治理體系和治理能力現(xiàn)代化發(fā)展的重要內(nèi)容。基于深度學(xué)習(xí)，以微博上關(guān)于新疆的熱門評論為樣本，通過構(gòu)建長短期記憶網(wǎng)絡(luò)（LSTM）模型對每條評論進(jìn)行評分，分析其正負(fù)性。情感分析結(jié)果對輿情治理具有一定的現(xiàn)實意義。

關(guān)鍵詞：深度學(xué)習(xí)；長短期記憶網(wǎng)格；情感分析

微博是我國時下非常流行的社交、信息分享平臺，日訪問量上億，居于全球社交平臺的首位。微博上有海量信息，這些數(shù)據(jù)中包含網(wǎng)民的情感信息資料以及對于各種事件的輿情偏向，具有可挖掘的價值。依托數(shù)據(jù)挖掘和自然語言技術(shù)，情感分析對相關(guān)領(lǐng)域都有一定的戰(zhàn)略價值，企業(yè)可以根據(jù)情感分析發(fā)現(xiàn)網(wǎng)友的情感傾向，從而制定相關(guān)策略；過去許多社會熱點事件都在微博中引起大討論，網(wǎng)友各抒己見，使各種大小事件得到公平解決，政府也可以從中獲知輿情傾向。所以，分析微博相關(guān)熱點問題或事件具有一定的現(xiàn)實意義[1]。

基于深度學(xué)習(xí)的分析方法的主要思想是預(yù)先對訓(xùn)練文本語料進(jìn)行定性分類且標(biāo)注，以統(tǒng)計理論信息等作為分類特征，訓(xùn)練出一個較好的分類模型[2]。利用得出的最優(yōu)模型進(jìn)行情感分類，得到相關(guān)的情感分析數(shù)據(jù)，從而得到情感傾向的分析結(jié)果。如今，新疆安定繁榮，加上其獨特的西域風(fēng)光，引來了各地游客，來疆旅游人數(shù)攀升，在微博引起了熱議。本研究基于Python中的Pytorch深度學(xué)習(xí)框架，利用長短期記憶（Long Shot-Term Memory，LSTM）網(wǎng)絡(luò)對微博上關(guān)于新疆的評論進(jìn)行采集以及情感分析。

1 數(shù)據(jù)來源

Python擁有大量的庫，且易于學(xué)習(xí)，可以用來高效地開發(fā)各種應(yīng)用程序。Python語言目前廣泛應(yīng)用于網(wǎng)絡(luò)爬蟲、計算與數(shù)據(jù)分析、人工智能、自動化運維、云計算等領(lǐng)域。本研究通過網(wǎng)絡(luò)爬蟲技術(shù)來獲取有效的微博評論數(shù)據(jù)。網(wǎng)絡(luò)爬蟲是一種程序或者腳本，能夠按照一定的規(guī)則對互聯(lián)網(wǎng)信息進(jìn)行自動抓取。網(wǎng)絡(luò)爬蟲被廣泛應(yīng)用于互聯(lián)網(wǎng)搜索引擎或類似的網(wǎng)站，從而對這些網(wǎng)站的內(nèi)容和檢索方式進(jìn)行獲取、更新，對于訪問到的頁面內(nèi)容能夠自動收集獲取，然后提供給搜索引擎進(jìn)一步處理，進(jìn)而方便用戶對所需要的信息進(jìn)行更快的檢索[3]。本研究通過requests，re，pandas，json等庫[4]對統(tǒng)一資源定位符（Uniform Resource Locator，URL）“https： //m.weibo.cn/comments/hotflow？id=4446534093 056573&mid=4446534093056573&max_id_type=0”進(jìn)行爬取，得到的評論一共有14 761條。

2 模型介紹

3 實驗與結(jié)果

3.1 數(shù)據(jù)集

本實驗使用到的數(shù)據(jù)集，第一個是訓(xùn)練模型所需要的訓(xùn)練集，其中都使用label標(biāo)簽來標(biāo)記其語言情感的正負(fù)性，數(shù)值取在0～1，其中1表示正面影響，0表示負(fù)面情緒，根據(jù)數(shù)值的大小來分辨其正負(fù)情緒的比重大小。訓(xùn)練集包括9 000條情緒，其中有4 500條負(fù)面情緒和4 500條正面情緒。驗證集包括1 000條情緒，其中正面情緒有500條，負(fù)面情緒有500條。測試集中有500條正負(fù)數(shù)量不同的評論。

3.2 數(shù)據(jù)總覽及預(yù)處理

分詞是自然語言處理（Natural Language Processing，NLP）中文本處理的基礎(chǔ)環(huán)節(jié)和前提。與以英文為代表的拉丁系語言相比，中文分詞要復(fù)雜得多、困難得多，因為自古以來中文的詞語之間均沒有自然分隔，并且組合多變[8]。對于分詞，在Python中需要導(dǎo)入pandas庫和jieba庫。Pandas的主要用途是進(jìn)行數(shù)據(jù)分析，jieba庫則是專門用來進(jìn)行中文分詞的一個庫。導(dǎo)入成功后進(jìn)行分詞，分詞得到兩個新的變量，分別為token_count（單個評論詞組數(shù)量），text_lengths[9]（單個評論長度），再對訓(xùn)練集、測試集和所采集的微博評論進(jìn)行分詞。此時，導(dǎo)入Word Cloud庫（詞云圖），進(jìn)行數(shù)據(jù)詞云可視化，如圖1所示。

詞云呈現(xiàn)主要是看詞組所占比重，詞組比重越大，在詞云中的字體越大，可以看到“越來越”“穩(wěn)定”“人民”等詞的比重較大。

3.3 實驗參數(shù)

實驗參數(shù)訓(xùn)練設(shè)備為CPU，其中batch size（單次訓(xùn)練用的樣本數(shù)）選擇64，學(xué)習(xí)率為0.01，dropout rate選擇0.5，LSTM堆疊的層數(shù)為1，隱藏層節(jié)點的個數(shù)為100，epoch選10，評論字典共25 002個，labal（評價1，0）有兩個，詞向量維數(shù)為300。

3.4 模型訓(xùn)練及效果評估

實驗參數(shù)設(shè)置好后就開始進(jìn)行模型訓(xùn)練，得到最優(yōu)模型后，進(jìn)行效果評估，導(dǎo)入所需庫，然后將測試集代入，進(jìn)行分詞操作，再加載模型進(jìn)行效果評估，結(jié)果如圖2所示。

由以上結(jié)果可得，模型效果精確率在85%以上，正面情感總體準(zhǔn)確度較高，負(fù)面情感召回率欠缺，在實例預(yù)測中負(fù)面情感預(yù)測準(zhǔn)度難控制?？傮w上，訓(xùn)練出的模型可用。

3.5 模型使用及結(jié)果

首先加載模型，其次導(dǎo)入爬取的微博評論，最后進(jìn)行評論的情感分析，得到每句評論下的評分。負(fù)面情緒主要是一些不相干的評論或者帶個人主觀情緒的評論。得到全部評論的得分后，進(jìn)行數(shù)據(jù)的可視化，將所有評論的得分及個數(shù)做成直方圖，如圖3所示。

4 結(jié)語

基于深度學(xué)習(xí)，對關(guān)于新疆的熱門評論進(jìn)行情感分析，主要使用Python語言。本次實驗主要使用LSTM網(wǎng)絡(luò)進(jìn)行建模，由于RNN網(wǎng)絡(luò)訓(xùn)練時只能將信息傳遞給相鄰的后繼者，在實際中訓(xùn)練RNN是很難實現(xiàn)的，根本原因在于梯度消失和梯度爆炸問題，這時LSTM網(wǎng)絡(luò)的引出有效地解決了這一問題。LSTM網(wǎng)絡(luò)的核心是其獨特的細(xì)胞狀態(tài)，細(xì)胞狀態(tài)好似傳送帶，直接在整個鏈上運行，使線性交互變少，因此，信息在其上流傳時不容易變化；此外，還具有獨特的“門”結(jié)構(gòu)來控制細(xì)胞狀態(tài)。LSTM網(wǎng)絡(luò)主要結(jié)構(gòu)為：（1）決定細(xì)胞狀態(tài)；（2）細(xì)胞狀態(tài)的更新準(zhǔn)備；（3）更新狀態(tài)；（4）基于狀態(tài)輸出信息。本實驗主要依靠Pytorch（深度學(xué)習(xí)庫）進(jìn)行建模。訓(xùn)練模型成功后進(jìn)行效果評估，得到可行的模型效果，得到效果評估模型精度達(dá)85%。最后對相關(guān)評論使用模型進(jìn)行評分，分析網(wǎng)友的情感偏重。由實驗結(jié)果可知，此次網(wǎng)友對新疆有很多感想，其中通過詞云圖可知“越來越”“穩(wěn)定”“人民”“愛”等詞語的比重很大。評論統(tǒng)計中情感評分區(qū)間為0—1、0—0.5代表負(fù)面情緒，越接近0負(fù)面情緒越大，0.5—1代表積極情緒，越接近1正面情緒越大?？傮w上，本次情感分析中，微博上的網(wǎng)友有新疆本地的，也有國內(nèi)其他各省的，情感分析中正面情緒比重很大，這也說明新疆的確在旅游、治安等各個方面發(fā)展得都越來越好。所以，加強(qiáng)互聯(lián)網(wǎng)輿情管理是國家治理體系和治理能力現(xiàn)代化發(fā)展的重要內(nèi)容，不僅能有效了解民情，而且對輿情治理也有一定作用。所以，在特定方面進(jìn)行情感分析具有一定的現(xiàn)實意義。

[參考文獻(xiàn)]

[1] 關(guān)鵬飛，李寶安，呂學(xué)強(qiáng)，等.注意力增強(qiáng)的雙向LSTM情感分析[J].中文信息學(xué)報，2019（2）：105-111.

[2] 胡朝舉，梁寧.基于深層注意力的LSTM的特定主題情感分析[J].計算機(jī)應(yīng)用研究，2019（4）：1075-1079.

[3] 郭麗蓉.大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)爬蟲設(shè)計[J].山西電子技術(shù)，2018（2）：50-52，94.

[4] 李培.基于Python的網(wǎng)絡(luò)爬蟲與反爬蟲技術(shù)研究[J].計算機(jī)與數(shù)字工程，2019，47（6）：1415-1420，1496.

[5]SUNDERMEYER M， SCHLüTER R， NEY H. LSTM neural networks for language modeling[EB/OL].（2014-02-10）[2020-10-20]. http：//www-i6.informatik.rwth-aachen.de/publications/ download/820/Sundermeyer-2012.

[6] 伍行素，陳錦回.基于LSTM深度神經(jīng)網(wǎng)絡(luò)的情感分析方法[J].上饒師范學(xué)院學(xué)報，2018（6）：16-20.

[7] 陳再發(fā)，劉彥呈，劉厶源.長短期記憶神經(jīng)網(wǎng)絡(luò)在機(jī)械狀態(tài)預(yù)測中的應(yīng)用[J].大連海事大學(xué)學(xué)報，2018（1）：85-90.

[8] 嚴(yán)明，鄭昌興.Python環(huán)境下的文本分詞與詞云制作[J].現(xiàn)代計算機(jī)（專業(yè)版），2018（34）：86-89.

[9] 祝永志，荊靜.基于Python語言的中文分詞技術(shù)的研究[J].通信技術(shù)，2019（7）：1612-1619.