基于认知特征的新闻事件在线评论观点自动摘要方法与社会情绪测量模型

Capturing the mainstream public opinion and underlying social emotion from online comments is not only the urgent need of emergency management, but also the important basis for computational social science. Inspired by the human cognitive behavior in perceiving latent social emotion via reading online news comments, we will study an automatic opinion summarization method and a social emotion measuring model for focus news events. Firstly, by integrating social psychology theories and knowledge discovering from historical data, a kind of social emotion structure is extracted and the corresponding cognitive psychology experiment is designed. Secondly, sentiment units constituting opinions are accurately extracted by semantic computing, and opinions are categorized and summarized according to underlying social emotion similarity. Finally, a model is built to span the gap between low level features of netizen opinions and inherent social emotion intensity. This project will promote sentiment analysis research, and lay a theoretical foundation for quantitatively evaluating netizen social emotion. In addition, this project will also provide a key method basis for both development of emergency management decision-support systems and computational social science research.

利用网络在线评论数据获取重大新闻事件中公众的主要看法、社会情绪等民意信息不仅是重大突发事件应急管理的迫切需要，也是计算社会学研究的重要基础。本项目借鉴“阅读网络在线评论——感知内在社会情绪”这一人们的认知过程，研究从新闻事件网络在线评论中自动归纳公众对事件的主要看法，进而识别看法中隐含的深层次社会情绪的方法和模型。首先，基于社会心理学理论与历史数据挖掘结果，析取出社会情绪的结构特征，并以此为基础设计标准的心理学认知实验；然后从语义计算的角度，从原始评论中对情感单元进行准确的抽取和识别，并基于观点内在的社会情绪相似性对评论集进行科学划分和摘要生成；最后基于认知实验数据，建模实现从观点评价对象的社会角色特征到整个评论集蕴含的社会情绪强度的映射。本项目的研究将推进文本情感分析研究，为网络社会情绪的量化评测奠定理论和方法基础，并对重大事件应急管理决策系统开发、计算社会学问题研究提供技术支撑。

利用网络在线评论数据获取重大新闻事件中公众的主要看法、社会情绪等民意信息不仅是重大突发事件应急管理的迫切需要，也是计算社会学研究的重要基础。本项目借鉴“阅读网络在线评论——感知内在社会情绪”这一人们的认知过程，研究从新闻事件网络在线评论中准确地自动归纳公众对事件的主要看法，进而识别主要看法中隐含的深层次社会情绪的方法和模型。.项目基于社会心理学理论与历史数据挖掘结果，析取出社会情绪的结构特征，并以此为基础设计标准的心理学认知实验。项目研究中，我们总共对500名实验被试人员进行了实验测试，获得了共125000条评论的认知结果。我们对认知结果数据进行了统计分析，并设计了基于遗传算法的新闻事件情绪强度整体排序算法。.为了从原始评论中对情感单元进行准确的抽取和识别。项目研究中，我们基于S-HAL模型输出的语义倾向性特征向量，训练得到的一组分类器可有效地对任意给定词语/短语的语义倾向性进行识别。我们基于复杂网络模型聚合所有的网友评论，并提出了基于网络统计特征的评论对象识别算法。一系列的实验验证了本文提出方法的有效性。.为了将原始评论中包含的观点信息概化。项目提出了一种基于词汇共现有向图的新闻在线评论观点抽取与综述方法。方法借鉴吸收了现有的产品评论观点挖掘、文档综述、文档关键字抽取等研究领域中的研究成果，并根据新闻在线评论的内在特征和舆情信息获取任务的需求特点进行了针对性的改进与整合。实验表明，在新闻在线评论观点抽取与综述任务中，我们的方法相对于现有的可用方法具有较明显的性能优势。.最后基于认知实验数据，我们测试了观点评价对象的社会角色作为预测整个评论集社会情绪强度的低层特征的能力。.本项目的研究将推进文本情感分析研究，为网络社会情绪的量化评测奠定理论和方法基础，并对重大事件应急管理决策系统开发、计算社会学问题研究提供技术支撑。