一种基于情感倾向分析的社交用户生成方法   0    0

本发明公开了一种基于情感倾向分析的社交用户生成方法。现有用户标签生成方法没有考虑用户对主题的情感倾向。本发明方法首先以微博内容为基础，采用聚类算法构建语义本体，获取用户的微博内容进行情感分类，将带有情感倾向标记的微博信息处理，得到词袋模型，提取词袋模型的词，利用语义本体获取类别信息，统计带有情感标记的类别信息，添加二级标签，得到最终标签，将人口统计信息映射到相应的标签中，构造网络图，根据网络图节点间的边权值大小半监督地生成用户。本发明方法解决了目前社交网络用户不能自动生成用户以及生成的用户标签不准确的问题，能够生成符合某一主题的社交用户，为后续的社会工程研究打下基础。

1.一种基于情感倾向分析的社交用户生成方法，其特征在于，该方法具体是：
步骤(1).以微博内容为基础，采用聚类算法构建语义本体；
步骤(2).获取用户的微博内容并进行预处理，进行情感分类，得到带有情感倾向标记的微博信息；具体是：
(2.1).获取用户微博和关系数据，使用正则化匹配去除标点符号；
(2.2).构建N×P的用户数据矩阵DM，N为用户的数量，P为用户的属性个数，数据矩阵DM的行向量是un＝(unb1,unb2,...,unbP)，数据矩阵DM的列向量是bp＝(u1bp,u2bp,...,unbP)，unbp表示第n行第p个微博推文属性，n＝1,2,...,N，p＝1,2,...,P；
(2.3).将微博推文属性unbp利用情感分析工具进行情感分析，得到情感分数δ；
(2.4).在每条微博后加上情感标志位E，E＝‑1,0,1，分别表示消极、无感和积极；δ＜δ1时E＝‑1，δ1≤δ＜δ2时E＝0，δ≥δ2时E＝1；δ1和δ2为两个划分点，δ2＞δ1；
步骤(3).将带有情感倾向标记的微博信息进一步处理，得到词袋模型；具体是：
(3.1).获取用户数据矩阵DM，包括具有情感标志位的推文属性；
(3.2).在(2.1)的基础上过滤掉特殊字符，对文本进行统一化大小写处理；
(3.3).使用中文文本分词工具对微博推文进行分词，得到词袋，标注词性；
(3.4).依照中英文停用词表过滤词袋中的停用词；
(3.5).按照词性过滤非动词和非名词，得到词袋模型BM(T)＝[bm1,bm2,...,bmK]；其中，K为词袋模型中词的个数，bmk表示词袋模型中第k个词，k＝1,2,...,K；
步骤(4).提取词袋模型的词，利用语义本体获取类别信息；具体是：
(4.1).在语义本体中查找与bm等价的语义本体bo,bm∈BM(T)；若查找到，则词bm即为bo；
(4.2).如果在语义本体bo的语义本体描述中存在词bm，则将词bm替换为语义本体bo的名称；
(4.3).如果词bm多次出现，则是多义词，结合关键词矩阵M和上下文语境消除歧义性；
(4.4).将消歧后的词bm按照(4.2)进行替换；
(4.5).如果没有在语义本体bo中找到词bm，在词袋中删除；
(4.6).重复执行(4.1)～(4.5)，遍历词袋模型，得到子类别集合O(T)＝[bo1,bo2,...,boL]，其中L是微博中语义本体bo的名称个数，bol表示第l个语义本体，l＝1,2,...,L；
(4.7).将用户数据矩阵DM的微博推文属性unbp替换为子类别集合O(T)和情感标志位E,表示如下：unbp＝[O1(T)E1,O2(T)E2,...,OR(T)ER]，R为微博个数；
步骤(5).采用投票策略统计带有情感标记的类别信息，添加二级标签，得到最终标签；
具体是：
(5.1).对于语义本体bol，如果存在于其父类的语义列表中，将其父类语义名称以键的形式存入标签字典，初始化值为1；如果键已存在，值自增1；
(5.2).重复执行(5.1)，遍历第r个微博子类别集合Or(T)，r＝1,2,...,R，得到微博标签字典Dictr[Tag]；
(5.3).将微博标签字典的值排序，取排名靠前的标签集合sortTag＝{Tag1,Tag2,...,TagS}；S为自定义标签个数，Tags表示第s个标签本体，s＝1,2,...,S；
(5.4).将sortTag在微博标签字典Dictr[Tag]中的值与对应的情感标志位E相乘，与属于相同语义本体的值相加，得到某一领域最终的情感倾向权值
(5.5).将情感倾向权值作为二级标签，与sortTag结合得到用户的标签集合H(h1,h2,...,hS)；其中，hs＝TagsWeights，s＝1,2,...,S；
(5.6).将数据矩阵DM的属性unbp替换为集合H；
步骤(6).将人口统计信息映射到相应的标签中，构造网络图；具体是：
(6.1).根据用户数据矩阵DM的行向量un，将用户的基本资料映射到标签信息上；
(6.2).对于每一个省、市和地区，构建情感网络图和标签网络图，以不同性别下年龄段和类别为情感网络图和标签网络图的图节点，图节点间的边代表该年龄段和性别属于该类别；
(6.3).将该省、市和地区对应的人口统计信息映射到微博属性unbp的集合H中；
如果情感网络图中对应的图节点间未有边相连，把该用户的标签情感权值Weightem作为边的权值，否则将权值Weightem与边的权值相加，更新为新的权值；
如果标签网络图中对应的图节点间未有边相连，把图节点连接，初始化边的权值Weighttag＝1，否则边的权值自增1，更新为新的权值；
(6.4).遍历用户数据矩阵DM，得到最终的基于城市的情感网络图 和标签网络图步骤(7).根据网络图节点间的边权值大小生成用户；具体是：
(7.1).将标签网络图 利用深度优先遍历，找到权值最大的边以及相应的顶点对Node(node1,node2)；
(7.2).在情感网络图 利用深度优先遍历搜寻连结Node(node1,node2)的边权值，记为Emotion；
(7.3).将Node中的信息映射到姓名、性别和年龄字典，得到对应的姓名，当作用户名UName；
(7.4).将顶点对中的信息和用户名结合,顶点对的权值作为情感标志位，生成以地区为标准的虚拟用户：U(UName,Age,Area,Gender,Tag,Emotion)；其中，Age表示年龄，Area表示地区，Gender表示性别，Tag表示标签，Emotion表示情感标志位。

2.如权利要求1所述的一种基于情感倾向分析的社交用户生成方法，其特征在于，步骤(1)具体是：
(1.1).爬取用户微博T、用户关系R和用户信息U到数据库中；
(1.2).对用户微博T使用正则表达式过滤特殊字符和字段，以及活跃度低的用户，将英文统一为小写；
(1.3).使用Word2Vec向量化微博T内容，得到以键值对形式表示的语料库文件；语料库文件中每一个词对应一个向量W＝[w1,w2,...,wJ]；其中，J是词向量的维数，wj表示第j维分量，j＝1,2,...,J；
(1.4).遍历并提取语料库中的向量，得到I×J的关键词矩阵M，I表示关键词个数；
(1.5).利用聚类算法聚类关键词矩阵，得到聚类中心和类成员；
(1.6).采用方差分析判断类中心之间差异显著性，确定簇中心，构建语义本体；
(1.7).定义语义本体的存储结构，包括两层：第一层类别存储对应本体名称和语义本体列表，其中本体列表存储子类本体名称和对应的子类本体列表；第二层本体存储对应本体列表中存储自身的描述，采用关键词方式表示；
(1.8).筛选语义本体的子类中不符合或模糊界限的关键词，精炼语义本体。