基于情感倾向性分析的网络舆情意见领袖识别与对策研究

In the network society today, expressing personal views through the Internet has become an important part of life for people to participate in national affairs and political life. Network public opinion has become a hot research topic in China. As the opinion leaders play very important roles in public opinion environment, they have been widely concerned. Thus, identifying the opinion leaders and mining its evolution pattern has become an important issue. . Existing opinion leader identification is based on external characteristics, and has ignored the context of the original posts. In this project, the authors will introduce new context-based metrics of sentiment orientation, analyze the syntax mode of sentences, and identify opinion leaders based on five classification standards. . As to analysis of the evolution model of network public opinion, the existing research focuses on the static specific events instead of necessary dynamic observation and forecast of future trends. In this project, the authors will introduce group simulation theory and methods which focus on opinion leaders' behavior and cognition, form the rules and path of network public opinion's evaluation, and provide a realistic basis for the guidance and management of the network public opinion.

网络社会，通过网络表达个人观点与诉求已成为广大民众参与国家事务与政治生活的重要组成部分，网络舆情已成社会热点。作为网络舆情生态环境中最活跃的群体，意见领袖受到了广泛关注。意见领袖识别与网络與情演变模式挖掘因此成为重要研究课题。现有意见领袖识别主要基于外部特征，忽略了帖文本身的内容。本项目将引入情感倾向性分析度量指标，并基于网络文本句法模式分析，提出多维意见领袖识别算法。在网络舆情演化模式分析方面，现有研究绝大部分关注理论与对策以及单个案例的静态分析，缺乏动态观察以及对未来发展趋势的预测。本项目将引入基于Agent的群体仿真理论和方法，关注舆情演变的最活跃主体--意见领袖的行为和认知，形成可预测网络舆情演变路径和态势的模型和规则，为网络舆情的引导和管理对策的制定提供现实依据。

互联网的迅猛发展，使得网络正逐渐取代传统媒体，成为舆论的源头。在网络舆情中，意见领袖在信息传播、舆论引导方面有着重要作用。如何识别网络舆情中的意见领袖已经获得广泛关注并成为研究热点。早期对网络意见领袖的识别方法一般集中关注事件中的用户属性及用户关系，忽略了网友评论态度。本项目引入了情感倾向性分析度量指标，并基于网络文本句法模式分析，提出多维意见领袖识别算法。 . 在网络舆情演化模式分析方面，现有研究绝大部分关注理论与对策以及单个案例的静态分析，缺乏动态观察以及对未来发展趋势的预测。本项目引入了基于Agent的群体仿真、以及舆情共振的理论和方法，形成可预测网络舆情演变路径和态势的模型和规则。. 本项目的主要工作包括以下几个部分：（1）现有主流网络意见领袖识别方法的改进研究，涉及社会网络分析以及基于PageRank的网络意见领袖识别方法的改进。（2）基于文本倾向性分析的网络意见领袖识别，包括两个主要部分：①三维文本倾向性分析与意见领袖识别。本项目引入了Word2Vec算法来寻找网络情感新词，以提高对微博评论进行文本倾向性分析的准确性，通过计算机自动将文本识别为正面、负面或中立三种情感倾向，剔除负面情感比例过重的“伪意见领袖”。结果表明，与现有意见领袖算法进行对比，该算法具有更高的有效性和可信度。②多维文本倾向性分析与意见领袖识别。本项目进一步从词性特征、情感特征、句式特征、语义特征四个方面，提取动词、名词、情感词、否定词等14个特征，运用SVM方法对微博情感进行五级分类。结果表明，多维情感能够更加精确的识别网民在网络舆情事件中的态度，从而进一步提高意见领袖识别的准确率。（3）建模与仿真。本项目引入了基于Agent以及朗之万方程的建模与仿真理论，对网络舆情演变过程中网民群体行为进行建模与仿真, 包括概念模型、属性、交互规则以及博弈规则的设计，揭示网络舆情演变的规律。