基于用户交互特性的社会网络情感分析技术研究

Network user speech under social media environment have much more freedom and true feeling, and reflect the user's true feelings, so it is called network public opinion. These network public opinions can produce positive energy to the government, media and businesses if reasonable positive guidance. This project is to study social network users express emotional information tendency and heat, provide public opinion analysis report and disposal decision-making basis for the government and the media. （1）Research the user interaction characteristics of the network, such as a different user emotions influence, interaction characteristics of individual emotions in the social network communication, social networks in the emotional impact strength, and so on. Liking doing this to lay a theoretical basis for the topic of global sentiment analysis; （2）Research the comprehensive utilization technology of social network user generated content information, label information, interaction, evaluation object recognition and automatic extension of emotional words, implementation evaluation phrase orientation analysis, negative sentence sentiment analysis, analysis of comparative sentences tendency, finally build the specific topic hierarchy representation model to analyze sentiment on the same topic; (3) Research the application of emotion analysis in social network study environment, realize analysis of social network public opinion prediction and situation, and provide decision-making basis for the relevant departments.

社会媒体环境下的网络用户言论相对自由，更能反映用户的真实情感，产生网络舆情。这些舆情信息，如果合理正面引导，可以对政府、宣传媒体和商家等产生正能量，如果被敌对势力或犯罪分子利用，就会引发网络舆情事件和社会动荡。本课题就是要研究社交网络下用户发表情感信息的倾向性和热度，为政府和媒体提供舆情分析报告和处置决策依据。（1）研究网络中用户交互特性，如交互特性对个体情感的影响、社交网络中用户情感的传播方式、社交网络中不同用户的情感影响强度等，为话题全局情感分析打下理论基础；（2）综合利用社交网络中用户产生的内容信息、标签信息、交互信息，完成情感词的自动扩充及评价对象的识别，实现评价短语倾向性分析、否定句倾向性分析、比较句倾向性分析，最后构建特定话题层次表示模型对同一话题进行情感倾向性分析；（3）研究社交网络环境下情感分析在舆情预测中的应用，实现社交网络舆情预测及态势分析，为有关部门及时提供决策依据。

本课题针对社交网络中的用户交互性、用户的情感摘要及传播方式、评价其影响强度、发表内容的倾向性分析、预测和事态分析等内容进行了深入的研究。项目在针对相关研究现状进行了深入分析、相关研究报告的基础上，对用户交互性等一系列内容，进行了深入的研究；针对用户情感的传播方式和情感强度的变化，探讨了融入时间特征、动态阈值和命名实体双重过滤的话题追踪等方法的研究，并对微博等短文本进行了深入的研究。针对用户交互特征和内容信息的倾向性分析内容，研究了跨领域、可信标签机制、不同语境下的情感的情感倾向性；针对基于情感驱动的舆情预测，研究了基于热度联合排序的微博热点话题发现方法和融合人工蜂群的微博话题推荐算法等内容。针对社交网络上舆情话题态势的变化，提出了一种基于密度峰值发现的文本聚类算法，为了进一步实现对于舆情事件的发展态势分析，课题组深入研究了生成性摘要，提出了一种基于注意力的tree-LSTM句子摘要模型，理解大规模文本数据所表达的语义，为政府或管理者及时提供网络舆情信息报告和决策依据。