面向中文微博的观点句识别研究

　　郦㈨ｏｏ—ｍｓ搏手尽掌手壁第３３卷第２期１７５—１８２，２０１４年２月

　　ｄｏｉ：１０．３７７２／ｊ．ｉｓｓｎ．１０００—０１３５．２０１４．０２．００７

　　栅ＪＯＵＲ唧ＮＡＬ删ＯＦ呲ＴＨＥ，肿ＣＨＩＮＲＡＭｉ黑Ｈ慧溜黑篓

　　ｖ０１．３３

　　Ｎｏ．２．１７５—１８２

　　Ｆｅｂ，。ａｒｖ

　　２０１４

　　面向中文微博的观点句识别研究１’

　　丁晟春

　　孟美任

　　李

　　霄

　　（南京理工大学经济管理学院信息管理系２１００９４）

　　摘要

　　中文微博包含了用户对热点话题的观点，对其进行观点挖掘可以实现突发事件预警、舆情监控等。目

　　前，微博研究多数基于英文语料，中文微博观点句的挖掘大多混淆在情感挖掘中少量提及，由于中文微博特殊的语

　　体特征，导致传统中文文本观点挖掘模型无法取得理想效果。区别于已有的情感挖掘工作，本文依据中文微博的

　　语体特征分析结果选取特征，除了选取情感特征外，还加入主张性动词、语气词、程度副词以及固定词性结构等观点句特征，采用ＣＲＦｓ模型进行观点句识别研究。实验结果表明，仅选取情感特征准确率较高，但召回率仅为３２．１％，而加入其他观点句特征后，召回率显著提高到６１．８％。该方法应用于２０１２年中国计算机学会（ＣＣＦ）组织

　　的“观点句识别”测评任务中，取得了很好的效果。

　　关键词

　　中文微博观点挖掘ＣＲＦｓ模型观点句识别语体特征

　　ＳｔｕｄｙｏｆＳｕｂｊｅｃｔｉｖｅ

　　ＳｅｎｔｅｎｃｅＩｄｅｎｔｉｆｉｃａｔｉｏｎＯｒｉｅｎｔｅｄｔｏＣｈｉｎｅｓｅ

　　Ｍｉｃｒｏｂｌｏｇ

　　ＤｉｎｇＳｈｅｎｇｃｈｕｎ，ＭｅｎｇＭｅｉｒｅｎａｎｄＬｉＸｉａｏ

　　（Ｄｅｐａｒｔｍｅｎｔｏ，ｂ讲ｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，Ｓｃｈｏｏｌｏ厂ＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ）

　　‰

　　卅

　　ｎ

　　北

　　＿蚕ｈ一㈨＿蚕１８

　　一．营．哪

　　町

　　一

　　ｎ

　　蜡

　　●

　　．ｍ

　　ｏ

　　㈣：雪．室

　　Ⅲ己苫

　　∽

　　删＿蚤咖

　　一

　　一

　　～

　　．蓦

　　一

　　唧一山～

　　眦

　　昏

　　ａ

　　亡蓦№

　　ｍ肺｜童

　　ｍ

　　一～Ⅲ．墓．耋一

　　ｇ

　　＂

　　血

　　＿蒿屿№蹦

　　ｒ

　　ｍ“．㈨

　　Ⅲｄ亡星

　　一小＿墓枷一

　　ｍ№

　　一

　　凹虮ｋ

　　１

　　一一肚一

　　ｍ

　　ｂ．量㈨

　　Ⅺ一ｋ

　　Ⅲ

　　Ⅲ％＿耋．重“乳

　　叽旆

　　挑渊砌‰吣虿：～一．溉一‰．№耋崎岫峨一一晌呻心洲埘‰吣．量兰咄一～一～一一一～一

　　唧＝藿刚埘．砉

　　油‰蹦Ⅷ、∞

　　ｍ

　　ｗ

　　ｍ

　　崦呲．薹批‰邪山Ⅻ雪№．。．蓦

　　一一一一～一～删‰驴觇【；｛…籼羔刚删

　　｜｜耋Ⅻ

　　娜陆唱№址咖．量劬

　　～一～一一～一～

　　Ｔ

　　（

　　嘲耄．叫掣～蛐龇础哪一

　　Ⅲ

　　一一～蛐一～一～一一～．～一咖～一～蚴：耋唧毗池

　　一

　　‰

　　“衄

　　～胁

　　一“㈨ｎ‰

　　㈣一二萋枷．啷№蜘一‰＿薹汕Ⅲ

　　一一

　　收稿日期：２０１３年６月２５日

　　作者简介：丁晟春，女，１９７１年生，南京理工大学信息管理系，副教授，主要研究方向：Ｗｅｂ数据挖掘、信息检索、信息系统开发；Ｅ－ｍａｉｌ：ｔｏｄｉｎｇｄｉｎｇ＠１６３．ｅＯｔｌｌ。孟美任，女，１９８８年生，南京理工大学信息管理系，硕士研究生，主要研究方向：信息检索。李霄，女，１９８９年生，南京理工大学信息管理系，硕士研究生，主要研究方向：数据挖掘。

　　１）

　　本文受国家自然科学基金项目“基于文本语义挖掘的商品评论信息可信度分析研究”（７１１０３０８５）、“突发事件网络舆

　　情演变过程中的人群仿真研究”（７１２７３１３２）和江苏省高校哲学社会科学重点项目“网络舆情监测与有效引导研究”

　　（２０ｌｌＺＤＩＸＭ０２８）的资助。

　　万方数据

　　一１７５一

　　情报学报第３３卷第２期２０１４年２月

　　糊情感本体，建立了微博文本的影响力和情感计算

　　１

　　引言

　　方法，对“动车事故”后的公众情感随事态发展的变化进行了探讨，为政府的舆情控制提供必要的参考。另外，王树义。８。提出了利用Ｔｗｉｔｔｅｒ内容的监控来掌控竞争对手行动信息，以及通过Ｔｗｉｔｔｅｒ交流可视化来构建竞争对手社交网络图。证明了Ｔｗｉｔｔｅｒ能够在竞争情报工作中发挥重要的作用。通过对相关文献进行分析发现，目前在微博观点挖掘研究领域存在以下几个问题：

　　（１）现有对微博的研究大多是基于Ｔｗｉｔｔｅｒ等国外知名微博平台的英文语料。由于语言表达方式、语言结构、语法等多方面的差异，致使国外已有的研究成果不能直接应用于中文微博的挖掘研究。

　　（２）与英文微博研究相比，基于中文微博的研究尚处于起步阶段。对中文微博观点句的挖掘研究大多都还是混淆在情感挖掘研究中少量提及，并未作为一个独立的研究课题进行研究。观点句指的是表达了对某一事件（事物）的某种评价、意见、态度或者立场的句子，其有别于情感句。单纯地将其视为情感挖掘工作，识别结果就会出现偏差，如忽略掉大量表达人们愿望与期许的观点句，错误识别出单纯自我心情发泄的非观点句等。

　　（３）中文微博语体特征较为特殊，与传统的中文文本存在较大差异。将以往对传统中文文本观点句挖掘模型直接用于中文微博观点挖掘时，常常会产生数据稀疏等严重问题，对实验结果产生影响。所以在进行中文微博观点挖掘的特征选择时，应依据其自身特殊的语体特征选择实验特征，再进行分类实验。

　　鉴于此，本文通过借鉴已有研究成果以及对大量中文微博语料进行统计分析，总结出中文微博语体特征，将其作为观点句挖掘实验中特征选取的重要理论依据。除了选取情感特征外，在区别观点句与情感句的基础上，一方面，深入分析观点句自身特点，加入主张性动词、语气词、程度副词作为实验特征；另一方面，采用Ｎ—ＰＯＳ文本表示模型选取了固定词性结构特征，采用善于处理短文本分类的ＣＲＦｓ模型进行中文微博观点挖掘实验。该方法应用于２０１２年中国计算机学会（ＣＣＦ）组织的“观点句识别”测评任务中，取得了很好的效果。

　　微博（ＭｉｃｒｏＢｌｏｇ）是一种基于用户关系的信息分享、传播及获取的平台，单条博文内容长度通常控制在１４０字以下。中国互联网数据中心（ＤＣＣＩ）发布的（＜２０１２中国微博蓝皮书》指出我国微博用户已达到３．２７亿，日发布信息量约为２亿条，如此庞大的微博信息蕴藏着大量重要的用户观点。通过对微博进行观点挖掘，可以及时了解群众对热点话题的看法，帮助政府机构掌握突发事件后的社会群体心理，实现突发事件预警以及舆情监控；还可以作为企业进行市场分析、客户管理、产品升级时的重要依据。由此可见，微博观点挖掘研究具有重要理论与应用价值，但同样也面临着许多问题和挑战。

　　从近年ＫＤＤ、ｗｗｗ等国际会议及重要刊物中可以发现，微博已经逐渐成为学者的研究热点。其研究主要集中于语言层面、文本挖掘以及实际应用三个方面。在语言层面研究中，Ｅｌｌｅｎ对微文本（Ｍｉｃｒｏｔｅｘｔ）进行了特征分析，发现其具有“短”、“语法不规范”以及“半结构化”等特点。１。。邬智慧专门针对中文微博的语体特征进行了研究，提出中文微博开放性、精炼性、随意性、独特性等特征。２。。这些研究都为研究者进一步进行微博文本挖掘工作提供了重要的特征依据。目前，对于微博的文本挖掘工作主要包括文本分类、聚类；话题抽取；情感分析等几个方面。Ｄａｖｉｄｉｖ等基于Ｔｗｉｔｔｅｒ语料使用机器学习方法，以标签与表情符号作为特征，实现了微博的情感分类。３。。Ａｎｄｒｅｅｖｓｋａｉａ等提出一种基于词汇的观点情感语义倾向性识别研究Ｈ。。此外，在微博文本挖掘研究成果的基础上，研究者还将研究成果延伸至解决实际应用问题，如Ｂｏｌｌｅｎ等利用Ｔｗｉｔｔｅｒ上用户发布的微博来预测股市走向。５。。部分学者利用有关热点事件的微博进行舆情监控。王林等。６。对微博平台上用户集群行为特征及规律进行了研究，以热点话题“活熊取胆”事件为观测对象，从话题热度及走势、情绪热点及分布变化率、微博影响力路径等方面并对价值性执行意向的规律与感知进行了初步分析，为后期网民集群行为引导及网络营销方案的制定提供了一定的理论和实践指引。史伟等＂１以新浪微博为平台，通过抽取２０１１年７月２３日“动车事故”发生后公众发表的微博并进行情感分析。提取了八类情感（期待，高兴，喜爱，惊讶，焦虑，悲伤，生气和憎恨），构建了用于情感分析的模

　　２

　　中文微博语体特征分析

　　鉴于中文微博语体特征的特殊性，本文在借鉴

　　万方数据