面向微博新媒體的公共事件及其社會輿論分析技術研究.pdf

1、微博以其快速的信息傳播能力，廣泛的用戶參與特性以及顯著的自媒體特征，為信息傳播掀起了劃時代的變革浪潮?，F(xiàn)實世界中的公共事件及其社會輿論在微博中聚集、交鋒、相互影響，使微博成為了一個巨大、復雜的輿論空間。公共事件的信息在微博中傳播擴散，形成和影響了微博網絡輿論，而網絡輿論的演化和聚焦又會反過來影響現(xiàn)實世界中事件的發(fā)展。因此微博新媒體成為了研究公共事件及其社會輿論演化和相互作用規(guī)律的絕佳平臺，也使這一研究具有很強的現(xiàn)實意義和社會價值。

2、>　　本文從微博新媒體中傳播的信息入手，按信息對主、客觀世界的刻畫將其分成了兩類：一類是對客觀世界中事件的描述，表達了事件的結構屬性和演化過程；另一類是對微博用戶主觀世界的描述，表達了微博用戶對特定事件的興趣與期待、觀點與態(tài)度、情感與傾向。本文又分別選取了權威用戶發(fā)表的長微博和普通用戶對長微博的轉評微博作為研究這兩類信息的樣本?；诖耍疚南群髮γ嫦蛭⒉┬旅襟w的新事件檢測，事件的演化分析，公眾關注點的演化分析，公眾關注對事件信息的影響等

3、問題進行了研究：
　?。?）在微博流的新事件檢測方面，針對微博充斥噪音、語言簡短隨意、語法不規(guī)范、上下文結構松散等特點，提出了一種基于群體智慧的微博流新事件檢測方法，該方法將微博流按用戶個體及其社交關系進行分流，構造微博用戶的個體判別模型，模擬構建了真實用戶對新事件做出判斷時所依賴的知識結構。再通過綜合多個用戶個體模型的判別結果，以投票的方式得出新事件檢測的最終結論。由于在將微博流進行分解的過程中，由用戶個體差異產生的噪音也隨之被

4、分解，同時又使具有內在相似性的信息集中在同一個體模型中。進而通過一人一票的方式，減弱了個體噪音對整體判定結果的影響。通過實驗驗證了該方法相比于單一判別模型有更高的準確率。隨后又對方法中若干關鍵問題進行了討論：在如何選取投票用戶的問題上，提出對于未預先指定檢測目標的任務，可使用發(fā)帖量較多的活躍用戶，而對于特定目標的事件檢測任務，應選取專家用戶的高質量粉絲；在投票策略的制定方面，提出使用兼顧了新穎性和寬容性的“少數否決制”策略；對于所提出的

5、方法時空復雜度較高的問題，提出通過分布式計算架構對其進行改善；
　?。?）在事件演化分析方面，針對已有研究中事件粒度難以確定的問題，將信息提取技術和原子事件的概念引入事件演化分析的研究中，提出了一種基于原子事件挖掘的事件演化分析方法。該方法首先從單篇文檔中抽取原子事件，繼而識別文檔集合中原子事件的共指，再分析原子事件的演化關系，構建原子事件的演化結構。通過引入原子事件的概念，既規(guī)范了事件演化結構中事件的粒度，又打破了傳統(tǒng)方法拘泥的

6、文檔邊界，因而可以從長微博中挖掘出更多與話題相關的原子事件，從而擴大了事件分析的視野。同時，由于采用了“事件小于文檔”的觀點，因而能夠使用一些傳統(tǒng)方法無法得到的事件關聯(lián)特征，這使得該方法能夠構造出比傳統(tǒng)方法粒度更細、可解釋性更強的事件演化結構。該方法的缺點是粒度過小可能導致事件演化分析結果中原子事件過多，反而不利于閱讀和瀏覽，因此本文提出了兩種篩選策略，通過對圖中事件重要性進行評價，從而實現(xiàn)了對事件演化圖的精簡；
　?。?）在微博

7、事件中的公眾關注點演化分析方面，針對已有方法要求對事件信息及公眾關注具有先驗知識的缺點，提出了一種綜合利用長微博及其轉評微博的無監(jiān)督的公眾關注點演化分析方法。基于在內容層面對公眾關注點的定義，該方法首先用長微博中的事件信息還原話題空間，再將轉評微博映射到此空間中，將公眾關注點的演化分析轉化為話題空間中轉評微博位置的跟蹤。由于該方法不需要預先構造事件的關注框架并指定關鍵詞，因而可以適用于更加一般的情況。雖然通過三部圖可以將長微博、轉評微博

8、和公眾關注點的關系進行詳盡的刻畫，但這一展示方式并不直觀，因此本文借鑒了軟件工程統(tǒng)一建模語言中時序圖的繪制方法提出構造公眾關注點的演化圖。隨后基于采集自新浪微博的真實數據，通過時序分析發(fā)現(xiàn)了數據中存在的“升溫的”、“持續(xù)的”、“飽和的”、“冷漠的”和“預期的”等5種類型的公眾關注點，從而驗證了該方法的有效性。
　?。?）在公眾關注對事件信息演化產生影響的研究方面，已有工作中對此研究較少。本文將公眾關注對事件信息演化的影響稱為輿論效

9、能，通過將輿論場與電場、磁場等物理場進行類比，將輿論空間的狀態(tài)，狀態(tài)間的遷移，以及輿論場對事件信息的影響進行量化，提出了一種基于輿論場視圖的輿論效能近似度量方法。本文繼而將輿論效能與事件信息的演化相結合，提出構造事件信息演化圖。該演化圖將事件信息的演化過程描繪為輿論空間狀態(tài)的遷移，同時，演化圖中又對狀態(tài)的遷移原因進行了解釋，從而反映出事件信息的演化是否緣于公眾關注對其產生了影響。隨后基于采集自新浪微博的真實數據進行分析，成功地對數據中存