观点挖掘

摘要： 面对面协作知识建构的会话分析面临分析视角扩展、分析场景迁移以及分析方法改进等现实诉求。研究将协作知识建构会话分析与自然语言处理方法相结合,探索建立会话内容智能挖掘框架、流程与方法,并对真实课堂环境中的协作知识建构会话进行分析与挖掘。研究结论认为:知识建构会话内容挖掘重点应聚焦于知识建构中的概念分布与关联、观点分类与演变以及话题演化三个层次;基本分析阶段分为层级确立、要素解构、数据映射、模型构建、可视表征五个阶段;会话内容挖掘结果可从纵向时序与横向组间维度呈现词汇、观点与话题的内容结构与时序变化。未来研究可以关注两个问题:如何通过优化观点编码框架和训练数据集来提升观点分类的精度;如何将会话内容挖掘方法植入互动分析系统中,从而实现对知识建构互动会话内容的伴随式分析与反馈。

摘要： 由于用户的观点句与新闻内容高度相关,对新闻评论进行观点句识别时需要关注新闻文本这一额外信息。本文针对新闻文本通常很长,BERT并不能很好地处理长序列文本的问题。提出了将TextRank算法与BERT预训练模型相结合的方法,利用TextRank算法从新闻文本中提取出新闻摘要,在不缺失语义信息情况下将较长的新闻文本表示为较短的文本。再将新闻摘要信息与评论通过BERT模型得到语义融合表示向量,最后在全连接层将融合表示向量转换为评论是否为观点句的概率。本文与近年流行的深度学习文本分类模型进行了对比,在准确率上取得了79.80%的最佳效果,说明了模型的有效性。并在NLPCC&2012微博观点句识别数据集取得了准确率为80.38%的最佳效果,验证了模型具有一定的泛化能力。

摘要： [目的/意义]突发事件情境下,及时有效地回应舆论关切成为舆情管理中的重要议题,梳理总结突发事件舆情观点研究现状与发展趋势有助于该领域研究开展与实践指导.[研究设计/方法]采集国内外有关突发事件舆情观点的科学文献,从信息分析过程角度出发,分为舆情观点识别、舆情观点组织和舆情观点分析三个方面进行综述.[结论/发现]随着知识图谱等技术优化与应用的不断推进,舆情观点研究可从识别细粒化、组织结构化、分析系统化等方面加以深化,在构建层次化舆情观点信息组织架构及图谱原型的基础上,建立系统化舆情观点多维演化分析框架与应用范式.[创新/价值]从信息分析过程的角度对突发事件舆情观点研究进行总结评述,为突发事件情境下舆情观点与知识图谱的深入融合应用提供参考.

摘要： 为解决中文微博情感的分类问题,文中提出了基于微博数据将PMI与Hownet相结合的情感分类方法.通过对微博数据短小、新颖特征的研究,提出词典合并方法.将现有词典按照Hownet词语相似度合并,利用PMI对网络词语进行情感分类.添加网络情感词构造适应微博文本特征的情感词典,并在新词典的基础上结合监督学习方法训练情感分类模型.实验结果表明,用此方法进行情感分析能够有效识别网络新词对情感分析的影响,准确率可达78.3％,在对含有网络新词的微博情感分析上,该方法相比仅使用词典或者监督学习的准确率更高.

摘要： 基于意见领袖概念的本质,运用观点挖掘技术研究突发事件中微博意见领袖的识别,为网络舆情治理提供参考.提出三步识别方法框架:首先采用文献分析法构建指标模型,评价微博博主的信息影响力;其次构建文本主客观分类模型,计算高影响力博主事件相关博文的观点输出性,识别观点博文;然后针对观点博文的评论文本构建情感极性分类模型,计算博文观点获得的支持度以及博主观点的支持率,最终将输出了观点并获得较多支持的高影响力博主作为该事件的"意见领袖".同时,运用上述方法对典型实际案例的微博舆情数据进行分析,识别该事件的微博意见领袖,对其特征和舆情参与行为进行观察.并将该结果与社会网络分析法、专家人工分析法识别的结果进行了对比,验证了本方法的科学性和有效性.结果表明,本方法能够识别在突发事件舆情生命周期中真正拥有舆论引导力,具备治理价值的微博意见领袖.

摘要： [目的/意义]知识直播平台的出现为用户提供了知识获取、知识交流以及知识变现的全新渠道,研究知识直播产品特征提取与问题挖掘有助于提升知识直播产品质量,促进知识直播平台持续良好发展.[研究设计/方法]以知乎Live为研究对象,提取热门分区9,108条用户评论中的产品特征高频词,构建知识直播产品特征体系;并利用细粒度观点抽取方法抽取具有消极情感的用户评论观点以揭示知识直播产品存在的问题.[结论/发现]知乎Live讲座产品特征体系可归纳为主讲人、课程、用户三大维度,其中用户最为关注内容质量、内容形式等课程维度相关特征;知识直播产品主要存在干货不足、主讲人答疑不够认真、时间安排不合理等问题,对此平台应协同主讲人以问题为导向针对性地改善服务质量.[创新/价值]聚焦于新型知识传播渠道,为知识直播平台改进知识服务、提高用户满意度提供参考建议.

摘要： [目的]研究面向开放网络社区话题交互数据的对抗性观点挖掘方法.[方法]构建基于情感分析和主题模型的观点情感对抗性挖掘模型.通过该模型,考虑知乎社区、话题、交互数据等特征,加入交互数据筛选和关键词筛选,以知乎AlphaGo话题为例进行实证研究.[结果]本文方法可有效挖掘观点及其情感对抗性.研究发现在AlphaGo话题讨论中,“挺AlphaGo”和“反AlphaGo”的对抗性显著.“挺AlphaGo”的主要表现有人类智慧、比赛、能力,“反AlphaGo”的主要表现有AI产品及其产品、理解能力.[局限]仅针对AlphaGo主题进行实证分析,在模型泛化性验证上有待提高.[结论]本文方法具有可操作性和可解释性,可挖掘交互数据潜在的对抗性信息,从而使观点挖掘的结果更具针对性,为情报分析、观点挖掘提供借鉴.

摘要： 评价对象与观点内容的提取是观点挖掘中非常重要的任务.本研究提出了一个树结构长短期记忆网络(Tree LSTM)结合条件随机场(CRF)的联合模型抽取评价对象和观点内容.首先对评论句进行依存句法分析,根据句子的依存分析树构建Tree LSTM,并设计树结构下LSTM单元的计算方法;接着将Tree LSTM的输出作为CRF的输入进行序列标注,实现评价对象与观点内容的抽取.最后在SemEval Challenge 2014任务4的数据集上对模型性能进行了验证,评价对象和观点内容抽取结果的平均F1值在餐馆和笔记本电脑领域分别为86.76％、83.22％和79.86％、80.42％,优于现有的评价对象和观点内容抽取方法.实验结果表明,设计的Tree LSTM能很好地学习词语之间的层次关系,同时联合模型有效避免了传统CRF需要构建特征工程的弊端.

摘要： 【目的】研究面向开放网络社区话题交互数据的对抗性观点挖掘方法。【方法】构建基于情感分析和主题模型的观点情感对抗性挖掘模型。通过该模型,考虑知乎社区、话题、交互数据等特征,加入交互数据筛选和关键词筛选,以知乎AlphaGo话题为例进行实证研究。【结果】本文方法可有效挖掘观点及其情感对抗性。研究发现在AlphaGo话题讨论中,"挺AlphaGo"和"反AlphaGo"的对抗性显著。"挺AlphaGo"的主要表现有人类智慧、比赛、能力,"反AlphaGo"的主要表现有AI产品及其产品、理解能力。【局限】仅针对AlphaGo主题进行实证分析,在模型泛化性验证上有待提高。【结论】本文方法具有可操作性和可解释性,可挖掘交互数据潜在的对抗性信息,从而使观点挖掘的结果更具针对性,为情报分析、观点挖掘提供借鉴。

摘要： 研究针对现有主题模型对学习者观点挖掘主题属性识别准确率偏低的问题,提出自动抽取关联约束学习者属性级观点挖掘(LAOM)算法.LAOM算法通过判断关联约束和非关联约束自动抽取和整合关联约束,运用依赖关系,点互信息和频率计算相关性.经过与AMC、LDA、ETM算法的对比实验证明该算法准确率和F检验值均有所提高.

摘要： 在对标准潜在狄利克雷分布(LDA)模型进行改进的基础上,提出了一个主题情感混合最大熵LDA模型对在线评论进行细粒度观点挖掘.首先,在传统LDA模型中加入最大熵组件来区分背景词、特征词和观点词,并对特征词和观点词进行局部和全局的划分;然后,在主题层和单词层之间加入情感层,将传统的LDA三层模型扩展成四层;最后,进行情感极性分析,同时获取整篇评论和每个主题的情感极性,生成细粒度的主题情感摘要.实验验证了所提模型和理论的有效性.

摘要： 细颗粒度观点挖掘需要解决观点句识别、要素抽取等关键问题.论文对国内外相关研究进行梳理,归纳现有观点句识别方法并找出影响识别率的原因,分析基于规则和基于统计的两类方法进行要素抽取的优势和不足.研究发现,机器学习方法或人工和机器相结合的方法是要素识别研究的基本趋势,观点本体和观点表达语言规律的研究需要进一步加强,应用领域有待扩展,观点抽取结果挖掘需进一步深入.通过研究希望有助于汉语文本观点挖掘的研究。

摘要： 由于中文在机器语言处理中存在一些自身的特点和难点,观点挖掘进展较缓慢.本文介绍了观点挖掘和依赖语法及其现状,提出了基于中文依赖语法的观点挖掘模型,介绍了基于中文依赖语法的特征提取方法,在此基础上加入了评价对象提取的思想;并以依赖语法规则对主观字极性评估方法做了相关改进.以建立一个全面、准确的中文观点分析模型为目标.本文试图通过建立观点挖掘模型为相关领域研究提供参考,为商家或者机构做出决策提供支持.

摘要： 建立了面向观点挖掘的汽车本体知识库，可为挖掘汽车整体信息和特性信息观点提供强大的数据资源。本文以汽车领域知识为背景，根据汽车知识的关系，构建了汽车本体知识库的概念关系。在此基础上，利用Web 汽车评论真实语料库，自动获取了本体知识库中的核心概念。最后，采用OWL描述语言，构建了面向观点挖掘的本体知识库。

摘要： 本文的目的是明确Web文本观点挖掘的技术难点和未决问题，以便研究人员进行创新性研究。文本观点挖掘是数据挖掘、自然语言处理、机器学习和Web2.0相融合的产物。它是处理和分析互联网用户生成文本的有效手段，成为了目前Web挖掘的重点研究内容，在电子商务、电子政务、社交网络等领域有着广阔的应用前景。首先介绍了Web文本观点挖掘的起源、概念、作用;然后从研究内容、任务和技术特点入手，对现有工作进行了评述，分析了其中的技术要点。本文的主要贡献在于对该技术领域进行了系统的综述，提出了今后的几个主要研究方向。

摘要： 本文将观点挖掘技术应用于Web舆情系统，提出了一种基于动态知识库的网络舆情观点收集系统。该系统通过自动提取规则并将其加入观点库的方式，构建了一种舆情观点规则库。对于一个热点事件，通过匹配观点规则库就可以自动地提取出网民的观点，实验表明，该方法在实际的舆情预警系统中是切实可行的。

摘要： 在观点挖掘的研究中，目前的研究方法大部分集中在识别不同语言单元中所表述观点评价的整体褒贬性。然而在很多情况下，仅简单地识别评价语料对所评价对象(如特定类产品)的褒贬并不能完全解决问题。有必要区分评论语料中针对所评价对象不同方面特征的不同表述观点。该层次研究所需要面对的第一项任务即，如何正确识别语料中所涉及的评价特征。本文在SCPCD算法的基础上提出了BD-CD算法。实验结果表明，该算法能够在基本保持原有召回率的同时极大地提高评价特征词识别的精确率。为面向评价特征的观点挖掘提供必要基础。

摘要： 互联网已经成为当今社会人们沟通交流的重要平台，越来越多的人在Web 2.0系统中发布分享自己的个人兴趣与爱好信息。在一个网上评价系统中，用户可以根据自己的喜好为目标资源打分。与传统的基于协同过滤的推荐系统不同，本文将用户对资源的评价与标注看作用户对资源发表的一个观点，并将评价系统中发表相似观点的用户集成起来形成观点社群。利用观点社群中用户有相似的兴趣和爱好的假设，为用户个性化推荐资源、标签和潜在的朋友等。通过在真实数据集下的实验表明，该方法可以有效的为用户推荐其感兴趣的信息。

摘要： 互联网已经成为当今社会人们沟通交流的重要平台，越来越多的人在Web 2.0系统中发布分享自己的个人兴趣与爱好信息。在一个网上评价系统中，用户可以根据自己的喜好为目标资源打分。与传统的基于协同过滤的推荐系统不同，本文将用户对资源的评价与标注看作用户对资源发表的一个观点，并将评价系统中发表相似观点的用户集成起来形成观点社群。利用观点社群中用户有相似的兴趣和爱好的假设，为用户个性化推荐资源、标签和潜在的朋友等。通过在真实数据集下的实验表明，该方法可以有效的为用户推荐其感兴趣的信息。

摘要： 互联网已经成为当今社会人们沟通交流的重要平台，越来越多的人在Web 2.0系统中发布分享自己的个人兴趣与爱好信息。在一个网上评价系统中，用户可以根据自己的喜好为目标资源打分。与传统的基于协同过滤的推荐系统不同，本文将用户对资源的评价与标注看作用户对资源发表的一个观点，并将评价系统中发表相似观点的用户集成起来形成观点社群。利用观点社群中用户有相似的兴趣和爱好的假设，为用户个性化推荐资源、标签和潜在的朋友等。通过在真实数据集下的实验表明，该方法可以有效的为用户推荐其感兴趣的信息。

摘要： 本发明提供一种基于话题多样性的文本数据观点摘要挖掘方法，其包括以下步骤：步骤S1：对话题文本进行预处理；步骤S2：输入话题语料集和背景语料集；步骤S3：提取话题语料集的话题属性；步骤S4：将得到的话题属性添加情感极性，用于对句子向量化；步骤S5：将得到的话题属性作为评价对象，采用面向多评价对象的动态词序列情感分析方法分析句子中包含的评价对象的情感极性，得出句子包含的情感属性特征，将一个句子进行特征向量化；步骤S6：利用步骤S5得到的文本句子特征向量构建多样性目标函数。能够高效准确地得到话题文本的观点摘要，并且能够应用于更大规模数据集应用场景。

摘要： 本发明提供一种融合话题属性和情感信息的文本数据观点摘要挖掘方法，包括：对话题的文本语料集进行预处理；输入话题语料集和背景语料集；提取话题语料集的话题属性；将得到的话题属性添加情感极性，对句子向量化；将得到的话题属性作为评价对象，得出句子包含的情感属性特征，通过话题属性和情感分析方法将一个句子进行特征向量化；利用得到的话题属性集合、文本句子特征向量集合S构建三层图结构，把所有文本句子聚类；从类簇中挑选句子组成观点摘要，挑选得分高的句子组成观点摘要。本发明使得采用提取话题属性方法提取的话题属性更为精准，同样使其不仅仅应用与中文微博领域，更可以用于网站新闻、商品评论领域。

摘要： 本发明公开了一种基于不同人格特征的文本观点挖掘方法，包括以下步骤：S1、构建最大熵模型；S2、针对某个事件，将全语料依据人格特征分成多个集合语料c，并通过耦合的狄利克雷过程DP构建跨人格特征主题模型；S3、每条文档进行分词处理，将每条文档的分词组成输入列表，作为跨人格特征主题模型的输入，并初始化跨人格特征主题模型的参数；S4、根据输入内容，采用吉布斯采样法，依据跨人格特征主题模型、最大熵模型迭代计算得出最终的人格特征主题模型的参数。本发明具有自动、准确地发现事件的主要主题，并区分不同人格特征对每个主题的客观方面(属性词)和主观观点(观点词)的有益效果。

摘要： 本发明公开了基于阅读理解的观点挖掘方法，包括：构建领域情感观点知识库，其内包含领域情感观点词，每个领域情感观点词对应一个情感分类标签和一个立场分类标签；基于所述领域情感观点知识库和事件观点训练文本集，对预训练语言模型进行训练，获得情感预训练语言模型，所述情感预训练语言模型中嵌入有表示输入文本的情感和观点信息；从待抽取事件文本中抽取事件观点文本；将所述事件观点文本输入所述情感预训练语言模型中，并对其输出的内容进行编码、句子特征提取和分类，获得待抽取事件文本中观点的情感和立场；以及，基于阅读理解的观点挖掘装置。本发明具有使观点挖掘结果更加准确的优点。

摘要： 本发明涉及文本挖掘技术领域，公开了一种结合依存句法分析和规则的中英文评论观点挖掘方法，该方法同时考虑了语法树信息和词汇的情感极性，针对评论语料，对观点和语法、词性进行多维度总结，定义多个观点抽取规则，从而能够有效识别观点词汇。本方法在减少人工标注数据成本的同时在一定程度上改善了对候选观点筛选精度不高等问题，并且对于每个观点以及观点所在的子句进行短语以及单句级别的情感判断，捕获消费者在同一商品不同属性维度上的情感倾向，并依据情感分数对观点进行过滤，筛除不具备一定情感极性的观点，最终得到的细粒度观点反馈消费者对商品整体的情感倾向，有利于商家及时做出决策。

摘要： 本申请公开了匹配观点挖掘方法和装置。其中，所述方法包括：获取第一文本和第二文本，所述第一文本和第二文本包括句子；通过匹配观点识别模型中的共享句子向量确定模块，根据句子中的词向量，确定句子的共享句子向量；通过匹配观点识别模型中的论辩分类器，根据共享句子向量，判断句子是否为论点；以及，通过匹配观点识别模型中的匹配观点分类器，根据共享句子向量，判断第一文本句子和第二文本句子是否为匹配观点。采用这种处理方式，使得通过多任务训练模型结合论辩挖掘和论辩配对两个子任务，学到更好的共享句子表示，进而挖掘出辩论文本中一一对应的匹配观点；因此，可以有效提升匹配观点挖掘准确度。

摘要： 本发明公开一种基于多特征融合的水环境文本方面级观点挖掘方法，对搜集的水环境文本进行特征提取。首先，结合注意力机制和卷积神经网络构建多特征融合模型，充分且精准地提取方面词和情感特征。在此基础上，构建基于门控线性单元和双向长短期记忆网络的方面级观点挖掘模型，通过对水环境文本的迭代训练，优化模型参数，利用训练完成的观点挖掘模型对其水环境文本进行不同方面情感极性判断。最后，将分类结果与测试的数据集进行比对，对方面级观点挖掘模型进行误差分析与性能评估。本发明综合考虑水环境文本多特征、前后文语序特征以及局部情感特征关系，有效地提高各个方面词情感分类的准确率。

摘要： 本发明公开了一种基于论元结构的事件观点挖掘方法，其步骤包括：1)对于给定的事件e和文档d，从文档d中提取所有与给定事件e有关的观点片段；2)针对每一所述观点片段，从事件e中提取表达观点的事件子结构作为对应所述观点片段的观点对象；3)根据步骤2)的处理结果，得到事件e的事件观点集合T＝{…,(ok,ak),…|e,d}；其中，ok是文档d中的第k个观点片段；ak是观点ok对应的观点对象。本发明不局限于带情感的观点、不局限于获得针对事件本身的观点，能够获得更丰富的观点信息，包括针对事件本身、事件参与者、事件子事件以及相关事件的观点。

摘要： 本发明涉及基于图注意力网络的案件微博属性级观点挖掘方法，属于自然语言处理技术领域。本发明首先使用斯坦福工具得到涉案微博评论句的句法依存关系；然后，重塑评论句的句法依存关系，只保留属性词与观点词之间的主要句法信息，丢弃次要句法信息；最后，使用关系图注意力网络模型进行编码，对属性词对应的观点词和情感倾向性进行联合抽取。本发明解决了现有方法不能有效的对案件微博评论的属性词和观点词的关系进行建模，从而利用抽取的观点词预测情感极性的问题。

摘要： 本发明公开了一种基于无监督的长短影评细粒度观点挖掘方法，其特征在于：1)从社交平台和电影平台进行多维度的影评文本信息获取；2)基于开源中文情感词典，采用SO‑PMI词典扩展方法构建影评情感词典；3)采用基于关联规则方法和word2vec挖掘全局评价对象和个性化评价对象，再通过K‑means形成完整短影评评价对象；4)采用MG‑LDA结合word2vec发现长影评的主题分布以及词分布，构建长影评评价对象；5)对评价对象进行情感分析并形成影评观点摘要。本发明所公开无监督长短影评细粒度观点挖掘方法，较现有的影评挖掘方法相比，可以获取更丰富的影评文本数据，充分挖掘影评文本信息，针对影评长短采用不同的模型获取评价对象，使得本发明的观点挖掘和情感分析效果更佳。