融合文本倾向性分析的微博意见领袖识别  

Identifying Weibo Opinion Leaders with Text Sentiment Analysis

作　　者：陈芬[1,2] 高小欢 彭玥 何源[1] 薛春香 Chen Fen;Gao Xiaohuan;Peng Yue;He Yuan;Xue Chunxiang(School of Economics and Management,Nanjing University of Science and Technology,Nanjing 210094,China;Jiangsu Collaborative Innovation Center of Social Safety Science and Technology,Nanjing 210094,China,Nanjing 210094,China)

机构地区：[1]南京理工大学经济管理学院,南京210094 [2]江苏省社会公共安全科技协同创新中心,南京210094

出　　处：《数据分析与知识发现》2019年第11期120-128,共9页Data Analysis and Knowledge Discovery

基　　金：国家自然科学基金项目“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”(项目编号:71303111);国家自然科学基金项目“基于聚合的社会化短文本信息处理与细粒度倾向性分析”(项目编号:71503126);江苏高校优势学科建设工程资助项目(简称PAPD)的研究成果之一

摘　　要：【目的】融合外部特征与帖文本身的内容,引入文本倾向性分析表征网民对博主的支持度,识别网络意见领袖。【方法】构建意见领袖识别模型,在潜在意见领袖提取的基础上,引入文本倾向性分析,通过Word2Vec算法识别网络中的情感新词、提高微博评论情感倾向性分析的准确性,分别计算博主评论中正面、中立和负面三种情感倾向所占的比例,去除负面情感占比过重的"伪意见领袖"。【结果】与改进的PageRank算法对比,本文意见领袖识别模型进一步优化了意见领袖的排序结果,与原始微博数据更为一致。【局限】研究语料来源于"官员殴打护士"话题,具有一定的领域局限性。【结论】模型最终识别出三种典型的网络意见领袖,涵盖突发事件发展的全过程。[Objective]This study combines the external features and contents of the Weibo posts,aiming to identify online opinion leaders with the help of text sentiment analysis.[Methods]First,we identified the potential opinion leaders and introduced the Word2Vec algorithm to find new sentiment words.Then,we conducted sentiment analysis to categorize the texts as positive,negative or neutral ones.Finally,we detected and removed bloggers attracted too many negative comments.[Results]The proposed model optimized the ranking of opinion leaders,which was better than the improved PageRank algorithm,and more consistent with the Weibo data.[Limitations]We only examined our model with one piece of breaking news.[Conclusions]This paper identifies three types of online opinion leaders from the public reaction in emergency.

关 键 词：文本倾向性分析 意见领袖 微博 

分 类 号：G206[文化科学—传播学]