基于演化本体的网络舆情自适应话题跟踪方法研究

With the Internet public opinion becomes increasingly obvious the enormous social influence，the government, enterprises and research institutions to give a great attention and invest research efforts, "large" network monitoring public opinion products have emerged. But after exploring the essence of these products with the prosperity on the surface removed, we will find the public opinion analysis techniques used in these products are built upon the probability distribution of characteristics, co-occurrence rate between the characteristics and descriptions of the statistical information, lacking the in-depth content mining and semantic technology. Following the trend in the field that the researches in international topic detection and tracking technologies turn towards semantic and knowledge exploration, this projects explores a intelligent topic tracking method based on ontology-based public opinion, beginning with public opinion management and knowledge representation model of ontology, and is focused on: building a top-level public opinion task ontology representation theory model, proposing a public opinion tracking mechanism from the perspective of public opinion task management; studying the semi-automatic construction method of public opinion ontology built on texts in news and events, in order to realize the timely knowledge acquisition of the dynamic unlimited new internet topics; studying the ontology evolutionary scheme of the public opinion and the algorithms to implement it, and putting forward a solution of public opinion adaptive topic tracking based on ontology evolution; designing and developing an intelligent adaptive internet public opinion topic tracking system, and testing and verifying the overall effectiveness and accuracy of the solutions and algorithms.

随着网络舆情日益显现巨大社会影响力，政府、相关企业及研究机构给予了极大关注且迅速投入研究力量，一些"大而全"的网络舆情监控产品也应运而生。但扒开繁荣探其实质发现这些产品的舆情分析技术大多利用特征的概率分布以及特征之间的共现率等统计信息的描述，严重缺乏语义层次上的舆情内容深度关联分析。结合国内外话题探测与跟踪技术正向领域化、语义化、知识化探索的趋势，本课题提出从舆情管理视角、舆情本体的知识表示模型入手，探索基于动态舆情本体演化下的智能话题跟踪方法，主要研究：构建顶层舆情任务本体表示理论模型，提出基于舆情任务管理视角下的舆情跟踪机制；研究基于小量事件报道文本的舆情本体半自动构建方法，实现动态网络新话题的及时知识获取；研究动态舆情本体的演化方案与实现算法，提出基于动态演化本体的舆情自适应话题跟踪方案；设计与开发智能化自适应网络舆情话题跟踪系统，测试与验证以上方案算法的整体有效性与精准性。

随着网络舆情日益显现巨大社会的影响力，政府、相关企业及研究机构给予了极大关注且迅速投入研究力量，一些“大而全”的网络舆情监控产品也应运而生。但扒开繁荣探其实质发现这些产品的舆情分析技术大多利用特征的概率分布以及特征之间的共现率等统计信息的描述，严重缺乏语义层次上的舆情内容深度关联分析。结合国内外话题探测与跟踪技术正向领域化、语义化、知识化探索的趋势，本课题提出从舆情管理视角、舆情本体的知识表示模型入手，探索基于动态舆情本体演化下的智能话题跟踪方法。针对现有话题跟踪方法的不足，本课题从微博报道的语义特征着手，探索了基于本体的话题表示方法，构建出初始话题本体，提出了基于舆情本体指导下舆情话题跟踪方法，实现了特定领域下的网络舆情语义层面上的深度分析与挖掘；同时，提出了特征词条本体的概念，实现了特征词条本体的自动构建与进化；其次，基于本体的话题表示和特征词条本体的构建与进化，提出了依据事件信息的话题相关特征的自动抽取方法，达到本体的不断进化，实现了基于特征词条本体的微博话题自适应跟踪算法；最后，在特征词条本体的微博话题自适应跟踪算法的基础上，本项目组开发了基于本体进化的微博话题跟踪系统，实现了自适应话题跟踪的功能。通过本课题的研究，项目组成员发表论文32篇，其中SCI索引论文6篇，EI索引论文1篇，CSSCI索引论文19篇；申报专利1项；培养全日制博士研究生4名（其中1人即将获得博士学位），同等学力博士研究生8名，硕士研究生11名（其中6人已毕业）；达成与企业长期合作1项，成功将学术研究成果应用到企业实践当中。