网络言论情绪态度定位方法及装置

摘要

本发明涉及网络言论情绪态度定位方法及装置。该方法包括：获取言论性网络平台的网络言论；判断所述网络言论是否含有表情，若是，则提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度，若否，则利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度。本发明对网络言论所表达的情绪进行有效的量化，量化的网络言论能够作为舆论事件的未来发展动向分析的有效的数据基础，从而提高预测舆论事件动向的精确度。

说明书

技术领域

本发明涉及计算机程序。 

背景技术

截止2012年12月，我国网民数量达到5.64亿人，互联网普及率达42.1％。新浪微博用户截至2012年12月底已超5亿，日活跃用户数达到4620万。网络舆论不再局限于网上，其影响已经深入到社会的社会、文化、经济等各个方面。 

互联网的大数据研究成为国际热点。无论是政治、军事、科学技术等关系国计民生的重要领域还是流行病学、商业、娱乐等日常生活领域，互联网大数据持续展现着它强大的影响力。社交媒体不再仅是一种娱乐工具，它还成了2012的重要战场(Metaxas & Mustafaraj,2012)。甚至没有军事背景的考古学家利用谷歌地球上的卫星图像，可以描绘出美国Guantánamo海湾海军基地的第一个独立的战俘营地图。同时，在线科学信息和网络公开课程帮助人们缩小了知识差距，研究表明频繁使用网络的用户会更加支持基础科学的研究。 

在2005年到2013年2月间，发表在《science》和《nature》上的互联网大数据相关文章多达36篇，并保持着续增长的趋势。 

大数据可更好的预测人们的行为。目前，互联网已进入多对多(many to many)的“云计算”(cloud computing)时代，能够同 时链接数以百万计的用户。互联网带来的这种全新的大数据形式提供了一个整合性的框架研究者可以大规模地、及时地获取多样性的研究数据，从而可以更好地运用技术社会系统的预测力。有研究者利用Digg成功预测热点新闻,而Google开发的Flu Trends可清晰展示流感蔓延图像，进而帮助医生有效地抑制流感疫情发展(www.google.org/flutrends)。 

网络已经成为重要的舆论策源地。当前，许多社会热点事件往往是先在网络上爆料，引发了大量关注后再有传统媒体跟进报道。祝华新就指出中国存在的两个舆论场，一个是以党报、国家通讯社、国家电视台组成的官方舆论场，另一个是互联网尤其是微博构成的民间舆论场。由于网络舆论对于当今政治生活的重要性，许多研究者都认为，网络舆论是社会情绪的晴雨表。 

传统心理学研究多集中在“个体水平”，而社交媒体出现为我们研究“集体情绪”提供了便利条件。这也成为了国外学术界的一个热点，Peter Dodds《Science》就提出“用Twitter来追踪国家的情绪，就像用卫星来追踪大气层一样。” 

据发明人的不完全统计，国际学术界利用社会媒体情绪追踪技术(Social Media Sentiment tracking)在近两年成爆发式涌现，比如Golder等人(2011)就利用Twitter来监控不同国家人们24小时的情绪变化规律，该研究结果发表在2011年的《Science》上。也有研究者利用Twitter对国民幸福感的测量(Dodds，2011)。越来越多的研究表明，集体情绪可有效预测公众行为，一些研究者利用 twitter上人们的心情预测到股市的涨跌(Zhang,Fuehres,& Gloor,2010)和电影票房的高低(Asur & Huberman,2010)。而Veooz网站宣称在美国大选前就利用其情绪搜索工具预测奥巴马将战胜罗姆尼(www.veooz.com/Obama-vs-Romney)。 

情绪在网络舆论形成中的作用。需要对不确定环境作出快速判断时，人们往往采用的是启发式思维(Zajonc，1980)，网络信息的碎片化、冗余信息的大量存在等特点决定了在面临这样的模糊信息情境时人们更可能采用基于情绪的快速思维方式。发明人前期研究也发现网络舆论往往是一种基于情绪体验的快速直觉性判断，尤其是按“愤怒”这种趋近情绪可以有效预测网民的态度和行为倾向，包括对事件的容忍度、对将来改变的预期、对他人的预期、做出改变的意愿等。 

了解情绪在网络舆论形成中的具体实现机制，可以帮助我们了解互联网情境下的集体态度形成规律，也将为正确了解和引导舆论提供重要的指导意义。 

现有的情绪系统具有一定局限性。据不完全统计，现有的大数据情绪追踪采用的情绪系统基本是按正负情绪或类似的按“体验”划分情绪系统(例如，Asur & Huberman,2010；Golder & Macy,2011；Zhang,Fuehres,& Gloor,2010)，这种情绪系统多是基于个体水平的心理学研究。发明人认为在网络集体情绪的研究中采用按行为趋势划分的趋避情绪系统(approach-avoid)更为合适。 

如果说正负情绪等是通过刺激输入的性质来区分，那么“approach-avoid”情绪可以看作是以行为输出为标准。两者不一定 是完全对应的，例如愤怒情绪就是一个例子。愤怒情绪被看作是一种趋近(approach)情绪也获得了一些证据支持。趋避情绪和正负效价情绪的不同也有来自脑神经研究的支持。Sutton和Davidson发现，左侧额叶的激活跟趋近有关，而右侧额叶的激活跟回避有关。更为关键的是，这两种激活能够预测趋避情绪，而无法预测正负情绪。 

传统心理学统计模型在处理大数据时具有一定局限性。传统心理学模型如多元回归分析(Darlington,1968)、结构方程模型(Ullman & Bentler,2003)等只有在心理模型具备某些数学性质(如内变量连续或服从正态分布)的前提下才能保证建模的有效性和准确性。由于大数据模型涉及的因素繁多，并且因素间存在复杂的非线性关系，难以用数学表达进行准确描述，也难以考察其数学性质，上述数学建模方法很难取得令人满意的效果。 

随着计算机技术的进步，出现了神经网络、演化计算、群体智能等通过模拟生物智能行为或自然界智能现象来对问题进行建模优化的计算智能方法。其主要特点是：算法操作不依赖模型的数学特性，不要求模型具有显式的数学表达；具有内在的隐并行性，在处理大规模数据上有先天优势；采用概率化的寻优方法，能够自适应地调整搜索方向，具有较好的全局搜索性能。 

目前，计算智能优化建模已被广泛应用于工业设计、生产管理、交通运输、数据挖掘等多个领域，但在心理学建模方面的应用至今仍未见运用。 

发明内容

本发明的目的在于提出一种网络言论情绪态度定位方法，其能解决无法对舆论事件未来的发展动向提供有效的分析数据的问题。 

为了达到上述目的，本发明所采用的技术方案如下： 

网络言论情绪态度定位方法，其包括以下步骤： 

步骤1、获取言论性网络平台的网络言论； 

步骤2、判断所述网络言论是否含有表情，若是，则执行步骤3，若否，则执行步骤4； 

步骤3、提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度； 

其中，所述情绪态度模型为具有四个象限的平面坐标系，每个象限中预设有表情与坐标值的对应关系，每个象限代表一种情绪态度；所述情绪值为表情与平面坐标系的圆点的距离； 

步骤4、利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度； 

其中，所述神经网络模型用于根据含有表情的网络言论所构成的样本集，计算不含表情的网络言论的情绪态度。 

本发明还提出一种网络言论情绪态度定位装置，其包括以下模块： 

获取模块，用于获取言论性网络平台的网络言论； 

判断模块，用于判断所述网络言论是否含有表情，若是，则第一 计算模块，若否，则执行第二计算模块； 

第一计算模块，用于提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度； 

其中，所述情绪态度模型为具有四个象限的平面坐标系，每个象限中预设有表情与坐标值的对应关系，每个象限代表一种情绪态度；所述情绪值为表情与平面坐标系的圆点的距离； 

第二计算模块，用于利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度； 

其中，所述神经网络模型用于根据含有表情的网络言论所构成的样本集，计算不含表情的网络言论的情绪态度。 

上述神经网络模型的训练过程如下： 

对含有表情的网络言论的文本中包含的所有词进行提取，记录每一条文本中各词出现的次数，从而建立文本词典矩阵； 

采用TF-IDF算法提取出所述含有表情的网络言论的文本中的所有核心关键词，记录每一条文本中各核心关键词的次数，从而建立核心关键词矩阵； 

计算每一条含有表情的网络言论的情绪态度，并建立情绪态度输出矩阵； 

将文本词典矩阵和核心关键词矩阵作为神经网络模型的输入项，将情绪态度输出矩阵作为神经网络模型的输出项，以进行训练。 

上述言论性网络平台为微博或论坛。 

本发明具有如下有益效果： 

对网络言论所表达的情绪进行有效的量化，量化的网络言论能够作为舆论事件的未来发展动向分析的有效的数据基础，从而提高预测舆论事件动向的精确度。 

附图说明

图1为本发明较佳实施例的网络言论情绪态度定位方法的流程图； 

图2为本发明较佳实施例的情绪态度模型示意图； 

图3为公知的神经网络模型示意图； 

图4为样本1的微博截图； 

图5为样本2的微博截图； 

图6为样本3的微博截图。 

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述。 

如图1所示，网络言论情绪态度定位方法，其包括以下步骤： 

步骤S1、利用爬虫程序，从言论性网络平台中获取一条网络言论。所述言论性网络平台可以是微博、论坛等，还可以从门户网站的评论回复中爬回数据。 

步骤S2、判断所述网络言论是否含有表情，若是，则执行步骤 S3，若否，则执行步骤S4。如果本条网络言论中含有表情，但该表情并没有预先收集，则也判断本条网络言论不含有表情，按步骤4进行处理。 

步骤S3、提取所述网络言论中所有表情，并根据情绪态度模型，得到各表情所对应的情绪值，对各表情的情绪值进行比较，将情绪值最大的表情所对应的情绪态度作为所述网络言论的情绪态度。 

其中，所述情绪态度模型为具有四个象限的平面坐标系，每个象限中预设有表情与坐标值的对应关系，每个象限代表一种情绪态度；所述情绪值为表情与平面坐标系的圆点的距离。 

具体的，人在面对刺激，例如各种事件和问题时，会做出不同的心理和行为反应。根据总体反应的方向维度来区分的话有两种方向，一个是趋近，一个是回避。一般来说，人会趋近积极的刺激而回避消极的刺激。刺激所激发的这两种行为背后的动机可以分别定义为(1)欲求动机系统(appetitive motivational system)，又称趋近动机系统；和(2)厌恶动机系统(aversive motivational system)，又称回避动机系统。 

情绪具有动机的功能。这两种动机系统伴随的分别是趋近情绪和回避情绪，例如快乐和厌恶。从动机系统的理论框架出发，积极的情绪应该是属于趋近的情绪，而消极的情绪应该是回避情绪。根据情绪的评估理论(appraisal theories of emotion)，假如引起情绪的事件是积极的，那么相对应的情绪是积极情绪；反之，如果激起情绪的事件是消极的，那么其对应情绪应是消极情绪(例如，Lazarus,1991)。根据这个分类标准，愤怒(anger)通常被认为是消极的情绪(Harmon-Jones,2004)，因此也就是回避情绪。有学者认为，积极和 消极情绪跟趋近和回避情绪很大程度上是一样的(Watson et al.,1999)。 

如果说正vs负情绪是通过刺激输入的性质来区分，那么趋近vs回避情绪可以看作是以行为输出为标准。两者不一定是完全对应的，例如愤怒情绪就是一个例子(Harmon-Jones & Allen,1998)。愤怒情绪被看作是一种趋近情绪也获得了一些证据支持(Carve & Harmon-Jones,2009)。趋避情绪和正负效价情绪的不同也有来自脑神经研究的支持。Sutton和Davidson(1997)发现，左侧额叶的激活跟趋近有关，而右侧额叶的激活跟回避有关。更为关键的是，这两种激活能够预测趋避情绪，而无法预测正负情绪。越来越多的证据也表明，趋近情绪与大脑左侧的活动相关(Harmon-Jones & Allen,1998；Harmon-Jones,Lueck,Fearn,& Harmon-Jones,2006)。 

可见，除了从效价(valence)和唤醒(arousal)维度来描述情绪，从趋避动机的维度来分类情绪在一定程度上更能预测情绪对未来行为的影响。 

因此，本实施例将情绪态度划分为4个维度： 

象限一：希望度 

“希望度”指标(正情绪+高控制感)，该象限内的情绪态度反映的是人们对事情抱有的正面希望，如果给力、高兴。 

象限二：问题解决期待度 

“问题解决期待度”指标(负情绪+高控制感)，该象限内的情绪态度反映的是人们对现状不满(负情绪)并且期望能在将来解决问题(高控制感)，如愤怒、滚。 

象限三：悲观度 

“悲观度”指标(负情绪+低控制感)，该象限内的情绪态度反映 的是人们对现状不满(负情绪)，也对将来解决问题不报期望(低控制感)，如悲伤、坑爹。 

象限四：犬儒度 

“犬儒度”指标(正情绪+低控制感)，该象限内的情绪态度反映的是人们由于长期对解决问题无望(低控制感)，由原来的负情绪转为没有情绪或正情绪，如浮云、围观。 

情绪态度模型的建立过程如下： 

先对互联网的网络言论中常见的表情进行收集，再通过大量的人工标记调查，计算标记的平均值，作为表情与情绪态度的对应关系。 

如图2所示，例如，1000个测试人员将各种互联网常用表情根据系统参考值(愤怒/悲观/浮云/围观/给力的位置)，拖选某表情至坐标系的合理位置。例如针对“鄙视”这个表情，测试人员A拖放到上述坐标系后，系统记录该表情的坐标(100，30)，测试人员B拖到坐标系的坐标是(-50，45)，测试人员C的是(-76，30)……系统收集整理全部测试人员的样本后，利用K中心算法(K-medoids算法)计算每个表情的中心点坐标，结果是(-50，45)，中心点落第二象限，意味着该表情属于情绪态度模型中的“问题解决期待(负情绪+高控制感)”类别，情绪值是该点到原点O的距离67。以此类推，计算出所有表情所属的象限及其情绪值。 

计算出各表情在坐标系中的坐标平均值，得出表情所代表的情绪态度维度。 

K中心算法是本领域技术人员熟知的算法，为了便于理解本实施例，在此也对K中心算法的逻辑原理进行介绍。 

K中心点算法的核心逻辑是选用簇中离平均值最近的对象作为簇中心。每次迭代后的质点都是从聚类的样本点中选取，而选取的标准就是当该样本点成为新的质点后能提高类簇的聚类质量，使得类簇更紧凑。该算法使用绝对误差标准来定义一个类簇的紧凑程度。 

(p是空间中的样本点，Oj是类簇Cj的质点) 

如果某样本点成为质点后，绝对误差能小于原质点所造成的绝对误差，那么K中心点算法认为该样本点是可以取代原质点的，在一次迭代重计算类簇质点的时候，我们选择绝对误差最小的那个样本点成为新的质点。 

例如：样本点A>E1＝10； 

样本点B>E2＝11； 

样本点C>E3＝12； 

原质点O>E4＝13，那我们选举A作为类簇的新质点。 

由于在K中心点算法质点的选取标准是当该样本点成为新的质 点后能提高类簇的聚类质量，使得类簇更紧凑，且使用绝对误差标准来定义一个类簇的紧凑程度，所以能很好的解决噪点问题，把某些偏离大部分选择的标记影响降至最低。 

在本实施例中，具体的做法是遍历所有的坐标点，计算该坐标点与该表情的其他所有标记点的欧氏距离，选择距离之和最小(使类簇更紧凑)该的一个点作为该表情的坐标点。 

步骤S4、利用预先完成训练的神经网络模型，计算出所述网络言论的情绪态度。所述神经网络模型用于根据含有表情的网络言论所构成的样本集，计算不含表情的网络言论的情绪态度。 

如图3所示，为公知的神经网络模型的模型原理图。 

神经网络模型的训练过程如下： 

首先，对采集的样本数据进行预处理。所述样本数据是指网络言论。 

例如，通过采集公共事件的核心关键词(例如“马航MH370”，“婴儿安全岛”等)在微博等言论性网络平台进行分组采集，对采集到的内容进行分词，词性词频分析，通过TF-IDF算法计算核心关键词。具体流程如下： 

A、数据清洗：对采集回来的样本，进行简繁体转换，全部转为简体，去掉HTML标记。 

B、表情提取：在采集回来的数据中，进行表情提取，对含有表情的数据进行标记。 

C、分词：使用ICTCLAS分词系统进行分词，标记词语的词性， 仅保留名词/动词/形容词/特殊标点(句号/问号/感叹号)，其他的全部清除。 

D、TF-IDF计算核心关键词。 

TF-IDF算法是一种简单快捷的文档特征词抽取方法，通过统计文档中的词频来对文档进行主题分类。TF-IDF(term frequency　 inverse document frequency)是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。 

TF-IDF其主要思想是，如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的次数。IDF反文档频率(Inverse Document Frequency)是指，如果包含词条的文档越少，IDF越大，则说明词条具有很好的类别区分能力。使用TF-IDF可以计算某个关键字在某篇文章里面的重要性，可以用此关键词来表达文档所包含的含义。 

词频Term Frequency(tfij)表示文档i中词汇j出现的频率，计算公式如下： 

$t{f}_{i,j}=\frac{n_{i,j}}{{\Sigma }_k{n}_{k,j}}$

其中，nij表示词j在文档i中出现的次数，分母则是文档j中 所有字词出现的次数之和。 

逆向文档频率Inverse Document Frequency(idfj)：是一个词普遍重要性的度量，由下面的式子计算： 

其中，|D|是文档总数，分母是包含词ti的文档数目。 

tfidfij权值(wij)：wij＝tfij*idfi。权值就是最终要得到的结果，权值的高低直接表明了该题词是否反应了文档的主题。 

下面以图4(样本1)和图5(样本2)为例进行说明。 

对含有表情的网络言论的文本中包含的所有词进行提取，记录每一条文本中各词出现的次数，从而建立文本词典矩阵，作为神经网络模型的第一个输入项。 

文本词典矩阵如下表所示： 

  中国 某国 神灵 恋物 …… 强烈 样本1 0 1 0 1   0 样本2 0 0 1 1   1 ……             样本N 0 0 3 0   0

采用TF-IDF算法提取出所述含有表情的网络言论的文本中的所有核心关键词，记录每一条文本中各核心关键词的次数，从而建立核心关键词矩阵，作为神经网络模型的第二个输入项。 

核心关键词矩阵如下表所示： 

  谴责 反对 …… 差 样本1 0 0   0 样本2 1 1   0 ……         样本N 0 0   1

计算每一条含有表情的网络言论的情绪态度，并建立情绪态度输出矩阵，作为神经网络模型的输出项。 

情绪态度输出矩阵如下表所示： 

需要说明的是，情绪态度输出矩阵的计算逻辑是，如果某样本出现了单个表情，则直接通过表情与情绪态度模型的对应关系得出样本所属象限，在上面的样本1中，仅出现了一次“哈哈笑”的表情，“哈哈笑”表情属于第一象限，所以样本1在构成情绪态度输出矩阵的第一行[1,0,0,0]，样本2仅出现了一次“挖鼻屎”表情，“挖鼻屎”表情属于第四象限，所以样本2构成情绪态度输出矩阵的第二行 [0,0,0,1]，如此计算，得出完成的情绪态度输出矩阵。 

如果一个样本中出现多个表情的情况，则需要计算综合的情绪值，假如样本N中同时有1个“哈哈笑”的表情和2个“挖鼻屎”的表情，在之前的步骤中，已得出“哈哈笑”表情属于第一象限，离原点的欧式距离为79，而“挖鼻屎”表情属于第四象限，离原点的欧式距离为60，由于1×79<2×60，所以将样本N归入第四象限，样本N在情绪态度输出矩阵第N行的值为[0,0,0,1]。 

将文本词典矩阵和核心关键词矩阵作为神经网络模型的输入项，将情绪态度输出矩阵作为神经网络模型的输出项，以进行训练。 

具体的训练思路为：使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成。 

训练过程概括如下： 

1.输入文本字典矩阵，核心关键字矩阵，情绪态度输出矩阵； 

2.将文本字典矩阵，核心关键字矩阵，情绪态度输出矩阵归一化处理； 

3.设置网络参数：隐层节点数，各层传输函数； 

4.设置训练次数，训练目标，学习率，误差率； 

5.使用变学习率动量梯度下降算法训练，训练过程中调整网络参数，使模型具有更快的收敛速度和更小的误差率； 

6.当训练的误差率小于设置的误差率时，停止训练，否则重复第五步。 

在本实施例中对采集的350,000行样本进行训练，设置误差率在10％，经过训练及反馈后，模型收敛之误差率8.7％，停止训练，给出10000条手动标记的测试数据进行验证，正确率达83.7％。 

为了更好的理解本实施例，下面用具体的例子说明不含有表情的网络言论的情绪态度的计算过程。 

如图6所示的样本3，不含有任何已被标记过的表情，则建立该网络言论的文本词典矩阵及核心关键词矩阵，输入已训练好的神经网络模型，得出最终的所属象限。 

这条微博中不包含任何的表情，则建立两个矩阵： 

  中国 …… 应该 …… 理性 强烈 样本3 0 0 1 …… 1 0

文本词典矩阵 

  理性 反对 …… 爱国 样本3 1 0   1

核心关键词矩阵 

将这两个矩阵输入已经训练好的神经网络中，计算得出输出矩阵[1,0,0,0]，计算结果说明该文本应该被标记为属于第一象限。 

以此类推，一旦全部的文本都被一一对应标记好其所属的象限后，并结合文本的发表时间，即可通过画出情绪态度变化曲线图(横坐标为时间轴，纵坐标为情绪态度)及情绪态度比例图。通过与历史事件的情绪态度变化曲线图进行比对，就可以预测本次舆论事件未来 动向，以及时、迅速的作出相应的应对策略。 

例如负面趋近情绪态度占多数的时候，意味着群众迫切需要主体方通过实际行动解决问题，否则情况可能将进一步恶化甚至失控；在负面回避情绪态度为主的事件中，群众虽然悲观，但感觉对事情的改变无能为力，可以通过冷处理等方式让事件逐步缓慢平息。 

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。