面向主題的輿情本體概念及關系的抽取研究.pdf

1、隨著網(wǎng)絡的快速發(fā)展，輿情信息會以某個或者某些主題形式為中心不斷地傳播，但傳播重點也在不斷地更改。快速有效地發(fā)現(xiàn)相關遷移的焦點內容，有助于相關部門更好的掌握并分析輿情導向，并且將這些輿情信息按照某種形式存儲起來，形成輿情本體，可以很好地支持后期的輿情分析。
　　目前主題識別多數(shù)以新聞網(wǎng)頁信息作為語料庫，因為新聞語料格式規(guī)范，有具體的人物、事件發(fā)生時間、地點、發(fā)生何事這些要素。而輿情信息以各種形式如博客、貼吧等快速地傳播著。在基于輿情

2、信息的本體構建時，多數(shù)方法采用領域相關度和一致度或者它們的改進方法進行領域本體概念的提取，第一，該方法提取的本體概念具有極強的領域性，且實驗語料庫都是靜態(tài)的、規(guī)范的。而輿情語料信息是跨領域的、時刻變化的，顯然該方法在輿情本體構建時有一定的局限性。第二，將基于主題的輿情語料作為訓練語料時，只抽取與主題相關的高頻詞，過濾低頻詞。某一概念最終只能屬于一個主題。但輿情語料是跨領域知識，一個詞可能會出現(xiàn)在多個主題中。
　　本文針對以上問題，

3、采用信息爬取技術收集熱點輿情文本信息，基于時間屬性結合特征詞的一些特點進行文檔特征詞抽取，建立空間向量，有效地發(fā)現(xiàn)內容焦點發(fā)生遷移但屬于同一主題的網(wǎng)絡文本，并將其歸類。對識別后的主題文本提取名詞性詞匯或者短語作為候選概念集；根據(jù)語義相似度方法評估候選概念間的相關度，并對各概念的權值進行排序；結合詞頻變化的方法抽取與主題相關的核心概念。最后根據(jù)概念間已有的相關度，直接判斷概念間關系。若概念間有直接關聯(lián)，則這對概念具有一定的關系，結合不同方