基于关系度的群体观点演化模型与仿真*

针对传统的连续观点动力学模型中,缺乏对观点传播过程中人与人之间关系的考虑,通过扩展Hegselmann-Krause模型,引入关系度和关系阈值,研究个体间关系程度对群体观点演化的影响以及关系度在具有观点领袖的团体中所发挥的作用。研究结果表明：在关系阈值的影响范围内,关系度有利于群体观点达成共识并能够缩短系统观点的收敛时间;另外,观点领袖的支持者越多且支持者初始观点越接近观点领袖的观点,观点演化的收敛时间越短,系统平衡时的观点值越接近观点领袖的初始观点值。     

基于关系HK模型的群体观点演化建模与仿真

针对传统HK模型中,未考虑个体间人际关系对观点阈值外个体观点交互的影响,提出一种关系HK模型,以研究关系度对群体观点演化时间和系统观点簇的影响,以及关系度在两个意见观点趋向相反的观点领袖及其支持者中发挥的作用。研究结果表明,群体中关系度的存在有利于观点达成共识,缩短系统观点演化时间。特别地,在具有观点领袖的群体中,观点领袖支持者的特征因素对系统观点演化结果起着决定性的作用,如支持者初始观点、观点阈值、关系度阈值和初始观点坚持度。当群体中存在两个意见趋向相反且彼此间没有关系度的观点领袖时,系统最终出现分裂状态,而观点领袖及其支持者之间关系度的存在,有利于系统观点达成共识。     

基于ChunkCRF的观点持有者识别及其在观点摘要中的应用

含有观点的文档中准确识别出观点的持有者是预处理步骤.通过建立ChunkCRF模型对观点表达句进行观点持有者的识别;对于同一个观点句中含有多个观点持有者的情况,借助语言学手段进行预处理,再利用模型进行观点持有者识别.在此基础上还进行了观点的摘要与倾向性分析的工作.实验结果表明,基于ChunkCRF的中文观点持有者识别方法达到了80%上以的准确率,并且能够更好的配合观点的摘要与倾向性分析工作.摘要;观点倾向性分析     

具有类万有引力的有界置信观点动力学分析与应用

在社会网络中, Hegselmann-Krause模型描述了置信阈值内不同邻居对个体的观点影响权重都相同且邻居对个体的吸引力与它们的观点差值成正比,这是不切实际的.为了克服经典Hegselmann-Krause模型的不足,提出具有类万有引力的有界置信观点动力学模型,描述个体观点的更新依赖于观点之间的差值和邻居的权威性,且不同邻居对个体的观点影响权重不同.根据置信矩阵的性质证明观点的收敛性,并分析具有衰减置信阈值的观点动力学行为,给出观点收敛速率的显式解.最后,利用提出的观点动力学模型,研究社会心理学中的“权威效应”和“非零和效应”.仿真结果表明,邻居的权威性有利于观点达成一致.     

基于观点动力学的在线评分人数预测

多数观点动力学研究采用基于Agent的建模和仿真方法,与现实社会现象严重脱节。针对该问题,利用现实社会在线评分的统计数据验证和改进观点动力学模型的解释和预测能力。在评分过程中,个体的观点受到自身初始观点和群体观点的共同影响,产生的最终观点将决定个体是否加入评分群体,如果加入将产生评分行为,进而影响后续个体的观点及行为。据此过程建立一个连续观点动力学模型,对在线评分的人员数量进行预测。使用豆瓣网站的影片在线评分数据进行实验,分析各评分观点变化对在线评分数量的影响,结果表明,该模型能够有效预测在线评分人数;个体的最终观点主要受群体差-中-好评分观点的影响,而与自身初始观点基本无关;泊松参数值偏离最优值越远,预测准确率越低。     

基于图排序模型的微博观点信息识别

随着在线社交网络的爆炸式增长,微博已成为人们发表观点和表达情绪的重要平台。微博不仅可以反映用户的观点,还可以通过转发方式等传递观点,进而影响其他用户的观点。然而,微博以其简短、口语化等特点,给识别观点带来了新的挑战。仅仅基于文本进行观点分析的传统方法在分析微博观点倾向时,效果并不理想。为解决此问题,提出了一种基于图排序模型的微博观点信息识别算法。首先,利用布尔模型表示微博文本,并用逻辑回归进行观点分析获得伪标签;然后,利用上下文关系构建微博关系图,并利用受限玻尔兹曼机抽取高维特征;最后,基于图排序模型识别微博观点信息。实验结果表明,该算法能有效地对微博观点进行识别。     

基于优先选择和记忆效应的观点动力学研究

针对社会群体中观点共享的现象,考虑节点间交互存在偏好选择(优先选择),以及节点对异己观点存在记忆效应,扩展Deffuant模型,建立一种新的观点动力学模型。采用优先选择策略,使非均匀网络达成一致观点;在网络只选用优先选择策略而不考虑节点记忆效应时,网络一致性观点的形成仍依赖于置信值的取值。在网络考虑节点记忆效应后,不仅能够促进网络达成一致观点,而且在置信值很小的情况下,网络也能达成一致观点。研究结果表明,随着置信值的增加,网络达成一致观点所需的最小观点更新次数逐渐减少。     

基于SVM与距离加权计算的观点和持有者识别机制

本文介绍了一种基于SVM与距离加权计算的自动观点分析方法,主要包括观点自动检测与观点持有者自动抽取两方面内容。本文首先建立了与观点分析相关的一系列资源,如观点指示动词集等。利用这些相关的资源,采用SVM进行机器学习,从而完成观点的自动检测。在观点自动检测的基础上,以观点指示动词为指示器,采用距离加权计算的方法抽取给定句子中的观点持有者,并采用模式匹配的方法来对观点持有者进行短语扩展,从而使观点持有者的抽取结果得到进一步提高。     

组织需求假设与信息系统的组织角色

本文区分了与信息系统开发相关联的两种基本假设,即信息需求假设和组织需求假设,分析了信息系统的组织角色,进一步提出了三种组织需求分析观点：技术观点、社会－技术观点和社会观点,并指出了这些观点在信息系统理论研究和开发实践中的重要性     

无标度特性下的网络舆情演化迁移元胞模型

通过实证分析网络舆情演化的无标度特性,将网络舆情演化分成两个阶段:观点形成阶段和观点交互阶段.构建BA'模型,提出无标度特性下的观点形成算法;结合作者前期研究成果迁移元胞自动机网络舆情演化模型,提出了无标度特性下的观点交互算法;观点形成算法和观点交互算法组成了无标度特性下的网络舆情演化二阶段模型.对网络舆情演化的二阶段模型进行仿真,模拟现实网络舆情演化的观点形成和观点交互过程,绘制出倾向度状态转换图和粗细粒度倾向度曲线;经过仿真分析,揭示了网民观点倾向度和网民素养对网络舆情演化的影响规律.     

上下文相关的双向自举观点评价对象抽取方法

从大量的产品评论中进行观点评价对象的自动抽取是观点挖掘研究的重要课题,然而目前观点评价对象抽取结果只提供少量信息,因此提出一种基于上下文相关的双向自举方法同时获取产品名称和产品属性。该方法利用初始种子集、词性模板集获得候选观点评价对象,采用上下文相关的方法对文中所有包含候选观点评价对象的语句抽取出观点评价对象并进行边界识别,同时抽取观点评价对象的词性模板并计算分数,将分值高的模板加入模板集,这样重复迭代直到没有出现新的观点评价对象为止。实验结果表明采用上下文相关方法进行观点评价对象抽取相对于上下文无关的方法性能提高10%以上。     

网络评论方面级观点挖掘方法研究综述

网络评论的观点挖掘任务是文本分析的关键问题之一.随着网络评论的快速增长,用户在浏览评论时更加关注细粒度的信息,因此对评论进行方面级观点挖掘能够帮助消费者更好地做出决策.过去的十多年间,研究人员在大量网络评论语料库上进行观点挖掘等相关研究,并取得了丰硕的研究成果和广泛的应用价值,更不乏优秀学者对观点挖掘方法现状进行综述总结.然而有针对性地对观点挖掘中方面提取与观点提取进行综述总结的成果较少.本文综述了近年来网络评论方面级观点挖掘的研究现状.首先介绍了方面级观点挖掘的相关问题描述;接着重点分类介绍方面提取方法及观点内容提取的主要方法;然后总结了方面级观点挖掘的常见评价指标以及在社会中的广泛应用价值;最后根据对现有方法提出挑战方向并进行系统总结.对方面级观点挖掘进行综述有助于比较不同方法的差异,从而发现有价值的研究方向.     

认知视角下的舆论观点句情感计算

针对目前观点分析方法局限于传统的文本分析技术,只能将舆论观点句分为肯定和否定两极或确定每一极的程度（粗粒度）,不能进一步给出舆论观点句是积极的还是消极的程度的问题。本文从认知学角度研究细粒度语义情感计算框架。提出了一种舆情观点句的定量分析方法,该方法将对于某话题的文本集合作为输入,输出一个实数表示文本中所表达观点的能量。本文在NLPIR共享平台上进行了相关实验,给出了粗粒度情感和细粒度情感对观点句识别的对比实验,实验表明,两种方法对观点句的识别性能相差不大;对非观点句细粒度方法好于粗粒度方法。     

一种新型的博客观点检索系统

准确检索出博客空间中人们对重要话题、热点事件的观点看法对市场调研、网络舆情发现与预警等应用有重要意义。博客观点检索的目标是检索出不仅与特定查询主题相关而且包含针对该主题的评论的博文单元并依据观点强度进行排序。首先给出博客观点检索系统的框架,然后给出主题博文检索模型以及博客观点权重的计算方法。实验结果表明:所设计的博客观点检索系统能够有效地检索出对查询主题含有主观观点的博客,具有较好的应用价值。     

家居产品设计的非物质因素研究

本文通过对大量研究资料的阅读、整理,引用文献中作者的观点,给出相关问题的发展现状,进行分析总结。全文共分三个部分:对产品设计的观点、对非物质设计的观点和对家居产品设计中非物质因素的观点。     

中文微博观点句识别及要素抽取研究

研究中文微博情感分析中的观点句识别及要素抽取问题。在观点句识别方面,提出了一种利用微博中的情感词和 情感影响因子计算微博语义情感倾向的新算法;在观点句要素抽取方面,利用主题词分类及关联规则,辅以一系列剪枝、筛选和定界规则抽取评价对象。通过观点句识别和观点句要素抽取结果的相互过滤,进一步提高召回率。实验数据采用第六届中文倾向性分析评测所发布的数据,结果表明,本文方法在观点句识别和要素抽取方面能够取得较好的效果,观点句识别的精确率、召回率入F值分别为95.62%,54.10%及69.10%;观点句要素抽取的精确率、召回率以及F值分别为22.07%,12.66%和16.09%。     

基于依存关系的旅游景点评论的特征—观点对抽取

特征—观点对的抽取是观点挖掘中非常重要的研究课题之一。该文首先利用依存语法对句子进行了依存分析,在此基础上研究了旅游评论文本中特征-观点对的抽取。利用词对间的依存关系,构建了获取含有特征和观点词语的组块规则,并设计了候选特征的识别算法和特征—观点对的抽取算法。该文对山西旅游景点评论语料进行了实验,结果表明,特征—观点对的抽取整体的F1值达到了87.10%,验证了方法的有效性。     

融合文本概念化与网络表示的观点检索

观点检索是自然语言处理领域中的一个热点研究课题.现有的观点检索模型在检索过程中往往无法根据上下文将词汇进行知识、概念层面的抽象,在语义层面忽略词汇之间的语义联系,观点层面缺乏观点泛化能力.因此,提出一种融合文本概念化与网络表示的观点检索方法.该方法首先利用知识图谱分别将用户查询和文本概念化到正确的概念空间,并利用网络表示将知识图谱中的词汇节点表示成低维向量,然后根据词向量推出查询和文本的向量并用余弦公式计算用户查询与文本的相关度,接着引入基于统计机器学习的分类方法挖掘文本的观点.最后利用概念空间、网络表示空间以及观点分析结果构建特征,并服务于观点检索模型,相关实验表明,本文提出的检索模型可以有效提高多种检索模型的观点检索性能.其中,基于统一相关模型的观点检索方法在两个实验数据集上相比基准方法在MAP评价指标上分别提升了6.1%和9.3%,基于排序学习的观点检索方法在两个实验数据集上相比于基准方法在MAP评价指标上分别提升了2.3%和14.6%.     

基于观点树的网络舆情危机预警方法*

对初始情感种子集预处理,增加网络情感词汇、过滤部分特征词,采用改进逐点互信息—信息检索方法对特征词进行情感倾向性计算,实现对网络论坛网帖中网民观点极性和观点强度的挖掘,进一步实施网民观点属性挖掘;构建基于三粒度挖掘结果的观点树,建立基于观点树的网络舆情危机预警架构。通过实验验证,该方法能够对网络舆情危机作出预警判断。     

媒体干预及用户信任的网络社区观点演化研究

从信任的角度出发,综合社区内外部因素构建了涉及成员间信任、领袖信任、媒体信任三方面的集成观点演化模型。通过仿真实验模拟社区环境,结果表明：社区内成员互信程度越高,成员观点开放程度越高,则社区观点演化至稳定态的速度越快。社区中意见领袖的作用需要通过长期作用才能突显,维持高程度的领袖信任以及较多的社交联系将有助于领袖引导社区观点向领袖观点靠近。社区成员对媒体的信任程度会影响媒体干预的效果,随着干预程度的增加逆反现象也会更加明显。成员对媒体持正面的印象将有助于社区观点向媒体观点靠近。