CN110059190A - 一种基于社交媒体内容和结构的用户实时观点检测方法 - Google Patents
一种基于社交媒体内容和结构的用户实时观点检测方法 Download PDFInfo
- Publication number
- CN110059190A CN110059190A CN201910312836.8A CN201910312836A CN110059190A CN 110059190 A CN110059190 A CN 110059190A CN 201910312836 A CN201910312836 A CN 201910312836A CN 110059190 A CN110059190 A CN 110059190A
- Authority
- CN
- China
- Prior art keywords
- user
- microblogging
- data
- text
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000013528 artificial neural network Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000000306 recurrent effect Effects 0.000 claims abstract description 11
- 238000011176 pooling Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 5
- 239000012141 concentrate Substances 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 4
- 238000000547 structure data Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 244000097202 Rathbunia alamosensis Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于社交媒体内容和结构的用户实时观点检测方法,该方法主要包括:基于微博API和哈希标签实时地爬取事件相关的微博以及微博作者的社交网络信息;基于微博文本和用户的社交网络信息,利用哈希标签和远程监督技术生成训练数据;基于动态神经网络模型训练,完成用户级别的动态观点检测。本发明不需要大量标注语料,可以预测用户在下个时间段的关于某一主题的立场,得益于循环神经网络对用户行为的模拟,有着更高的准确率;可以在用户语料缺失的情况下利用社交网络信息预测用户观点;可以在获得新的微博数据,动态地在已训练好的动态神经网络上进行迭代,避免了从头开始训练费时的问题。
Description
技术领域
本发明涉及一种基于社交媒体内容和结构的用户实时观点检测方法,属于信息处理技术领域。
背景技术
社交媒体实时观点预测(Dynamic Opinion Prediction),又称用户级别的动态立场预测,是指为微博中的每一个用户标注一个正确的观点,用户的观点由两部分组成,第一部分是用户讨论或关心的主题,第二部分是用户的立场。正确、及时和高效地预测用户观点,不仅有助于掌握社会舆情和政府决策,具有深远的社会价值,而且有利于企业制定合适的市场策略,具有重要的市场研究价值。目前,社交媒体为社会公众提供了前所未有的舆论表达新手段和自由的公共事务讨论新空间,已成为现今社会内容文本和网络数据的重要载体,反映了社会的舆论趋势、汇集了民意。特别是近几年,随着以推特,脸书,新浪微博和微信等社交平台的迅猛发展,用户的社会关系和用户发表的文本信息量急剧增长,如何利用这些结构数据和内容数据进行正确而高效的观点预测,是目前面临的一大挑战。
当前的用户级别的观点预测方法按照特征提取方法可以分为基于纯文本的观点预测方法、基于社交网络结构的观点预测方法以及基于文本上下文注意力机制的观点预测方法,按照分类器类型可以分为静态观点预测方法和动态观点预测方法。现有的比较成熟的方法大多面向纯文本,把观点预测看作一个文本分类的问题,使用长短时记忆神经网络(LSTM)和条件随机场(CRF)对社交网络用户进行立场分类。少数工作只考虑用户关系信息,把用户观点看作一个影响力在加权网络上传播的过程。也有一些工作考虑了文本之间的主题相关性,引入了上下文注意力(Attention)的概念,认为主题相近的微博文本用户的关注度较高,从而提高了文本分类的准确率和召回率。关于分类器类型的选择,就目前已有的研究方法而言,基于动态分类器的用户观点检测很少,有且仅限于概率图模型,而且面向文本级别进行分类。
发明内容
发明目的:为了填补融合社交网络结构和内容进行用户观点预测研究的不足,本发明提供一种基于社交媒体内容和结构的用户实时观点检测方法,能够解决社交网络特有的用户观点预测实时性的问题;能够整合用户关系和用户微博文本这两种模态的信息,旨在提升用户观点检测的准确率。
技术方案:为实现上述目的,本发明采用了实时抓取社交媒体数据、预处理整合网络结构和文本内容、动态训练神经网络和预测用户观点的技术方案,所述的基于社交媒体内容和结构的用户实时观点检测方法,包括以下步骤:
(1)抓取微博文本并分析得到微博作者,抓取作者的社交网络信息;
(2)构建用户级别的社交媒体数据库,包括社交网络结构数据库和社交网络文本数据库,分别存储社交网络结构数据和文本数据;
(3)进行面向社交网络结构与文本内容的预处理,包括:首先对社交网络文本数据库中的微博按照发布时间排序,然后以设定时间为单位进行分割,得到以时间为区分的文本数据块;接着对社交网络结构数据库中的用户用哈希表进行存储;最后对每个以时间为单位的文本数据块,遍历每条微博,得到活跃过的用户ID集合以及用户最近发的设定条数的微博,然后遍历每条微博并输出,每次输出用户最近发的1条微博时,伴随着同时输出他的邻居们最近发的设定条数的微博;
(4)将步骤(3)处理得到的数据进行存储,得到融合社交网络结构与文本的数据结构,作为神经网络的训练数据集和测试数据集;该数据结构中包括若干数据块,每个数据块中包括若干用户发表的微博串,每条微博由用户自身微博博文和它的语境构成,每条微博博文有对应的主题;训练数据集中每条微博标记了用户的真实立场;
(5)利用训练数据集训练动态神经网络;其中训练数据集以步骤(3)中设定的分割时间为单位,采用增量训练的过程,每次训练完一个数据块后,将循环神经网络神经元的参数值进行保存,下次进行训练时,先载入原先的循环神经网络的参数值,然后使用最新的训练数据执行梯度下降算法,在原先已训练好的循环神经元的参数值的基础上进行更新;
(6)在使用完训练数据集中的数据块后,得到一个训练好的基于动态神经网络的用户观点分类器;
(7)利用训练好的用户观点分类器和预测数据块预测此数据块中每个的实时用户观点。
在优选的实施方案中,步骤(1)中调用微博流式API来实时地监听用户可见的微博窗口,允许输入一组哈希标签来过滤抓取到的微博;在监听到最新的微博后,分析微博json数据,得到微博作者的用户ID,然后调用微博查询式API问询用户ID,获得用户的社交网络信息。
在优选的实施方案中,社交网络结构数据库中的社交网络数据表以用户ID为主键,每一行第一列为用户ID,其他列为关注该用户的用户ID;社交网络文本数据库中的文本数据表以微博ID为主键,其中每一行第一列为微博的作者的用户ID,第二列为微博的文本,第三列为是否转发标识,第四列为微博的发布时间,最后一列为这条微博的ID。
在优选的实施方案中,面向社交网络结构与文本内容的预处理具体包括:
(3.1)将社交网络数据表读入并存储为一张以用户ID为键的哈希表,每个键映射到的值是用户关注对象的ID集合;
(3.2)将文本数据表按照发布时间升序排序,然后以“天”为时间单位进行分割,得到若干文本数据子表;
(3.3)对每个文本数据子表执行了下述操作:
i)遍历得到一个哈希表,键是用户ID,键集合是这一天活跃过的用户ID集合,每个键映射到的值是一张数据表,该数据表以微博ID为主键,键集合是用户这一天最近发的3条微博,主键映射到的非主属性是离该微博的时间戳最近的5条邻居微博;
ii)遍历i)中哈希表中的每个用户,输出该用户的时间线和时间线上每条微博所处的邻居微博的情况。
在优选的实施方案中,融合社交网络结构与文本的数据集组织形式如下表所示:
表中,每十八行表示一个用户,用户每天被设定为发了三条微博,每条微博占六行,第一行是用户本人的微博,第二至六行是用户发这条微博时周围人发的微博。
在优选的实施方案中,基于动态神经网络的训练与预测方式是:把开始到当前时间为止的所有时序数据块作为训练数据,预测数据为当前时间往下一个时间点的时序数据块;训练时,并不从头开始训练,设当前数据块为e,载入已训练好的e-1数据块对应的模型参数,使用数据块e更新模型的参数,而不是初始化模型后用数据块1至e的数据训练;预测数据块e+1时,载入已训练好的e数据块对应模型的参数,预测数据块e+1的用户观点。
在优选的实施方案中,基于动态神经网络的用户观点分类器是一个神经网络分类器,基于反向传播梯度下降算法优化模型参数;分类器由6个模块构成,自底向上分别为长短时记忆神经网络(LSTM)层,平均Pooling层,语境注意力(Attention)层,门循环神经网络(GRU)层,平均Pooling层和Softmax层;LSTM层和平均Pooling层输入用户微博文本的词向量串表示,输出微博文本的向量表示;语境Attention层输入用户微博的语境,输出融合了社交网络信息的用户微博的向量表示;GRU层,平均Pooling层和Softmax层输入用户微博数据单元串的向量表示串,输出用户的主题相关立场归一化分布,即观点分布。
有益效果:本发明方法基于动态神经网络模型,同时利用用户社交网络结构信息和文本信息,动态追踪用户的实时观点,与现有的观点预测方法,本发明观点预测的准确率更高;并且本发明可以动态地更新模型,训练时间更短,在有了新的训练数据后不需从头开始训练模型。
附图说明
图1是本发明实施例的方法流程图。
图2是本发明实施例中融合社交网络结构与文本的数据集组织形式所描述的数据结构示意图。
图3是本发明实施例中动态神经网络分类器结构示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明实施例公开的一种基于社交媒体内容和结构的用户实时观点检测方法,如图1所示,该方法解决的问题为:用表示用户u在数据块e发表的微博串,用ge,u表示用户在数据块的真实立场,本方法利用预测ge,u,使得预测的准确率与召回率最高。在下面的叙述中,我们用e表示数据块,用u表示用户,用t表示微博在微博串中的序号。
一、获取微博语料
步骤1,设定好哈希标签后,将基于微博流式API的微博爬虫上线,监听整个时间线,将微博文本逐条的进行基于哈希标签的过滤抓取,每抓取到一条微博,分析微博的json格式的数据,得到微博作者的用户ID,然后立刻调用微博查询式API问询用户ID,抓取微博作者所关注的用户名集合。
步骤2,将抓取到的微博数据用两张表存储,分别为社交网络结构数据和社交网络内容数据,社交网络数据表以用户ID为主键,每一行第一列为用户ID,其他列为关注该用户的用户ID;其中文本数据表以微博ID为主键,每一行第一列为微博的作者的用户ID,第二列为微博的文本,第三列为是否转发标识,第四列为微博的发布时间,最后一列为这条微博的ID。
二、构建融合结构和内容的训练和预测数据集
步骤3,预处理融合社交网络结构数据与文本内容数据,生成符合分类器设定的训练数据和预测数据的数据结构。如图2所示,该数据结构描述如下,设表示用户u在数据块e发表的微博串,每条微博被进一步细分,即每条微博由用户自身微博博文和它的语境构成,用户自身微博博文记作语境由该博文发表时邻居用户最近发表的N条微博博文构成,记作伴随着微博博文的还有每条微博博文对应的主题,记作预处理生成该数据结构的步骤如下,首先将步骤2中的社交网络数据表读入并存储为一张以用户ID为键的哈希表,每个键映射到的值是用户关注对象的ID集合,然后将文本数据表按照发布时间升序排序,然后以“天”为时间单位进行分割,得到时序数据块,表示为e,接着对每个数据块,遍历得到这一天活跃过的用户ID集合以及每个用户最近发的3条微博,然后对每个用户,遍历该用户所发的微博,每次记录用户发的1条微博时,伴随着同时记录他所处的语境,即邻居们最近发的5条微博。
步骤4,存储融合结构和内容的数据集。将步骤3所得的数据结构,即每条用户3条微博按照时间排序,每条微博由6行表示,其中第一行为用户本人所发的微博,第2到6行为用户当时所处的语境,即邻居所发的最近的5条微博,每个用户占18行。具体组织形式如表1所示。
表1融合社交网络结构与文本的数据集数据结构
三、基于动态神经网络模型训练和预测用户的观点
步骤5,训练基于注意力机制和长短时记忆神经网络的动态观点检测模型(Dynamic Opinion Detection Model,DODM),以下简称训练DODM。
DODM的输入为步骤3所述的数据结构,即每个用户实例由T条按时间排列的微博数据单元构成,每个微博数据单元进一步表示为其中是用户本人所发微博博文,其余为用户发那条微博博文时所处的语境,即邻居用户最近发的N条微博博文每条微博博文附加有对应的主题向量整个主题向量组记为主题向量的获得是无监督的,使用的是层次隐变量模型HLDA。用户的训练集的真实标记由哈希标签获得,设总共有K个主题,S个立场,则用户在每个数据块的关于每个主题的立场标签被设置为该主题含有的某一立场次数与所有主题出现次数的商,用户在每个数据块的总立场标签被设置为某一立场次数与微博数的商,其中,前者为一个K×S维向量,而后者为S维向量。
DODM的结构如图3所示,它由6个模块构成,自底向上分别为长短时记忆神经网络(LSTM)层,平均Pooling层,语境注意力(Attention)层,门循环神经网络(GRU)层,平均Pooling层和Softmax层;其中,LSTM层和平均Pooling层输入用户微博文本的词向量串表示,输出微博文本的向量表示语境Attention层输入用户本人发表的微博博文和微博的语境,输出融合了社交网络信息的用户微博的向量表示,这里,用户本人发表的博文记作用户发布微博博文时的语境记作微博博文组对应的主题向量组记作数据块e中用户u的在时间点t对应的微博数据单元的表示记作 由式(1)~式(4)获得:
其中,α1、α2、W、b、v、βn均为注意力机制中的参数,在本步骤中将会被训练。
门循环神经网络GRU层,平均Pooling层和Softmax层输入的是用户微博串的向量表示输出用户的主题相关立场归一化分布ye,u:
oe,u=Wout·he,u (9)
其中,式(5)~式(8)为门循环神经网络(GRU)的状态转移函数,he,u是平均Pooling后的结果,其余的Ws、bs、Wr、br、Wh、bh、Wout均为神经网络中的待训练参数。式(9)把he,u转变为C维的向量,式(10)把oe,u归一化成一个概率分布。目前有2种概率分布形式,第一种为主题相关立场分布形式,设主题数为K,立场数为S,则C=K×S,此时用KL散度来计算误差损失函数:
第二种直接是立场分布形式,所有主题按照立场累加起来,然后再进行归一化,类别数为S,此时运用交叉熵来计算误差损失函数:
步骤6,用训练数据集训练DODM,用预测数据集和训练好的DODM预测用户最新的观点。训练数据集以天为单位,采用增量训练的过程,每次训练完一个数据集后,将循环神经网络神经元的参数值进行保存,下次进行训练时,先载入原先的循环神经网络的参数值,然后使用最新的训练数据执行梯度下降算法,在原先已训练好的循环神经元的参数值的基础上进行更新。当有新的未标记数据,即预测数据集时,用最近训练的DODM预测用户在训练数据集上的观点。
基于动态神经网络模型的社交媒体用户实时观点检测算法流程如下:
上述算法描述的是训练的过程,关于预测的过程,可以设待预测的数据块为e+1,在实际应用场景中,对应用户最近一段时间发的尚未标注过的微博,数据的组织形式即数据结构与训练数据集的数据块一样,但没有真实标记。预测时,只需生成预测标记即可,为最大值的下标,勿需计算误差损失。
本发明在实验过程中所使用的动态神经网络分类器,系本发明权益的一部分,参数设置默认学习率η为0.0005,学习率衰减系数为0.9,在英文数据集Brexit和USElection上,准确率达到67.86%,性能均优于其他现有的用户观点预测方法,如CSIM(Chen C,WangZ,Li W.Tracking Dynamics of Opinion Behaviors with a Content-based SequentialOpinion Influence Model[J].IEEE Transactions on Affective Computing,2018.)。
本发明提出的基于社交媒体内容和结构的用户实时观点检测方法,可以解决微博社交网络多模态信息的获取和融合的问题,有利于及时追踪用户观点,促进一系列基于用户观点检测的下游应用的展开。可以解决现有的模型存在的训练时间过长,实时性差,需要耗费大量资源从头开始训练的问题,与已有的用户观点检测方法相比,本发明提出的方法基于在线爬虫和动态神经网络,在有新的标注数据时避免了从头开始训练,也就避免了批处理训练模式中存在的训练速度慢的问题。此外,本发明提出的方法采用了注意力机制,融合了社交媒体中存在的用户关系网络数据和用户微博文本数据,显著地提升了模型预测的准确性。
Claims (7)
1.一种基于社交媒体内容和结构的用户实时观点检测方法,其特征在于,包括以下步骤:
(1)抓取微博文本并分析得到微博作者,抓取作者的社交网络信息;
(2)构建用户级别的社交媒体数据库,包括社交网络结构数据库和社交网络文本数据库,分别存储社交网络结构数据和文本数据;
(3)进行面向社交网络结构与文本内容的预处理,包括:首先对社交网络文本数据库中的微博按照发布时间排序,然后以设定时间为单位进行分割,得到以时间为区分的文本数据块;接着对社交网络结构数据库中的用户用哈希表进行存储;最后对每个以时间为单位的文本数据块,遍历每条微博,得到活跃过的用户ID集合以及用户最近发的设定条数的微博,然后遍历每条微博并输出,每次输出用户最近发的1条微博时,伴随着同时输出他的邻居们最近发的设定条数的微博;
(4)将步骤(3)处理得到的数据进行存储,得到融合社交网络结构与文本的数据结构,作为神经网络的训练数据集和测试数据集;该数据结构中包括若干数据块,每个数据块中包括若干用户发表的微博串,每条微博由用户自身微博博文和它的语境构成,每条微博博文有对应的主题;训练数据集中每条微博标记了用户的真实立场;
(5)利用训练数据集训练动态神经网络;其中训练数据集以步骤(3)中设定的分割时间为单位,采用增量训练的过程,每次训练完一个数据块后,将循环神经网络神经元的参数值进行保存,下次进行训练时,先载入原先的循环神经网络的参数值,然后使用最新的训练数据执行梯度下降算法,在原先已训练好的循环神经元的参数值的基础上进行更新;
(6)在使用完训练数据集中的数据块后,得到一个训练好的基于动态神经网络的用户观点分类器;
(7)利用训练好的用户观点分类器和预测数据块预测此数据块中每个的实时用户观点。
2.根据权利要求1所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:步骤(1)中调用微博流式API来实时地监听用户可见的微博窗口,允许输入一组哈希标签来过滤抓取到的微博;在监听到最新的微博后,分析微博json数据,得到微博作者的用户ID,然后调用微博查询式API问询用户ID,获得用户的社交网络信息。
3.根据权利要求1所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:社交网络结构数据库中的社交网络数据表以用户ID为主键,每一行第一列为用户ID,其他列为关注该用户的用户ID;社交网络文本数据库中的文本数据表以微博ID为主键,其中每一行第一列为微博的作者的用户ID,第二列为微博的文本,第三列为是否转发标识,第四列为微博的发布时间,最后一列为这条微博的ID。
4.根据权利要求3所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:面向社交网络结构与文本内容的预处理具体包括:
(3.1)将社交网络数据表读入并存储为一张以用户ID为键的哈希表,每个键映射到的值是用户关注对象的ID集合;
(3.2)将文本数据表按照发布时间升序排序,然后以“天”为时间单位进行分割,得到若干文本数据子表;
(3.3)对每个文本数据子表执行了下述操作:
i)遍历得到一个哈希表,键是用户ID,键集合是这一天活跃过的用户ID集合,每个键映射到的值是一张数据表,该数据表以微博ID为主键,键集合是用户这一天最近发的3条微博,主键映射到的非主属性是离该微博的时间戳最近的5条邻居微博;
ii)遍历i)中哈希表中的每个用户,输出该用户的时间线和时间线上每条微博所处的邻居微博的情况。
5.根据权利要求4所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:融合社交网络结构与文本的数据集组织形式如下表所示:
表中,每十八行表示一个用户,用户每天被设定为发了三条微博,每条微博占六行,第一行是用户本人的微博,第二至六行是用户发这条微博时周围人发的微博。
6.根据权利要求1所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:基于动态神经网络的训练与预测方式是:把开始到当前时间为止的所有时序数据块作为训练数据,预测数据为当前时间往下一个时间点的时序数据块;训练时,并不从头开始训练,设当前数据块为e,载入已训练好的e-1数据块对应的模型参数,使用数据块e更新模型的参数,而不是初始化模型后用数据块1至e的数据训练;预测数据块e+1时,载入已训练好的e数据块对应模型的参数,预测数据块e+1的用户观点。
7.根据权利要求1中所述的基于社交媒体内容和结构的用户实时观点检测方法,其特征在于:基于动态神经网络的用户观点分类器是一个神经网络分类器,基于反向传播梯度下降算法优化模型参数;分类器由6个模块构成,自底向上分别为长短时记忆神经网络(LSTM)层,平均Pooling层,语境注意力(Attention)层,门循环神经网络(GRU)层,平均Pooling层和Softmax层;LSTM层和平均Pooling层输入用户微博文本的词向量串表示,输出微博文本的向量表示;语境Attention层输入用户微博的语境,输出融合了社交网络信息的用户微博的向量表示;GRU层,平均Pooling层和Softmax层输入用户微博数据单元串的向量表示串,输出用户的主题相关立场归一化分布,即观点分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910312836.8A CN110059190A (zh) | 2019-04-18 | 2019-04-18 | 一种基于社交媒体内容和结构的用户实时观点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910312836.8A CN110059190A (zh) | 2019-04-18 | 2019-04-18 | 一种基于社交媒体内容和结构的用户实时观点检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059190A true CN110059190A (zh) | 2019-07-26 |
Family
ID=67319387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910312836.8A Pending CN110059190A (zh) | 2019-04-18 | 2019-04-18 | 一种基于社交媒体内容和结构的用户实时观点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059190A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143509A (zh) * | 2019-12-09 | 2020-05-12 | 天津大学 | 一种基于静态-动态注意力变分网络的对话生成方法 |
CN111159569A (zh) * | 2019-12-13 | 2020-05-15 | 西安交通大学 | 一种基于用户个性化特征的社交网络用户行为预测方法 |
CN113793227A (zh) * | 2021-09-16 | 2021-12-14 | 中国电子科技集团公司第二十八研究所 | 一种用于社交网络事件的类人智能感知与预测方法 |
CN114580380A (zh) * | 2022-03-07 | 2022-06-03 | 中国人民解放军国防科技大学 | 基于主题的社交媒体主题标签生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447036A (zh) * | 2014-08-29 | 2016-03-30 | 华为技术有限公司 | 一种基于观点挖掘的社交媒体信息可信度评估方法及装置 |
KR20160056255A (ko) * | 2014-11-11 | 2016-05-19 | 주식회사 사이람 | 소셜미디어 상의 사용자 의견성향 파악을 위한 데이터 융복합 분석 방법 및 장치 |
CN106980650A (zh) * | 2017-03-01 | 2017-07-25 | 平顶山学院 | 一种面向Twitter观点分类的情感增强词嵌入学习方法 |
CN107330362A (zh) * | 2017-05-25 | 2017-11-07 | 北京大学 | 一种基于时空注意力的视频分类方法 |
CN108038205A (zh) * | 2017-12-15 | 2018-05-15 | 福州大学 | 针对中文微博的观点分析原型系统 |
CN108959531A (zh) * | 2018-06-29 | 2018-12-07 | 北京百度网讯科技有限公司 | 信息搜索方法、装置、设备及存储介质 |
CN109063185A (zh) * | 2018-08-27 | 2018-12-21 | 电子科技大学 | 面向事件检测的社交网络短文本数据过滤方法 |
CN109299457A (zh) * | 2018-09-06 | 2019-02-01 | 北京奇艺世纪科技有限公司 | 一种观点挖掘方法、装置及设备 |
-
2019
- 2019-04-18 CN CN201910312836.8A patent/CN110059190A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447036A (zh) * | 2014-08-29 | 2016-03-30 | 华为技术有限公司 | 一种基于观点挖掘的社交媒体信息可信度评估方法及装置 |
KR20160056255A (ko) * | 2014-11-11 | 2016-05-19 | 주식회사 사이람 | 소셜미디어 상의 사용자 의견성향 파악을 위한 데이터 융복합 분석 방법 및 장치 |
CN106980650A (zh) * | 2017-03-01 | 2017-07-25 | 平顶山学院 | 一种面向Twitter观点分类的情感增强词嵌入学习方法 |
CN107330362A (zh) * | 2017-05-25 | 2017-11-07 | 北京大学 | 一种基于时空注意力的视频分类方法 |
CN108038205A (zh) * | 2017-12-15 | 2018-05-15 | 福州大学 | 针对中文微博的观点分析原型系统 |
CN108959531A (zh) * | 2018-06-29 | 2018-12-07 | 北京百度网讯科技有限公司 | 信息搜索方法、装置、设备及存储介质 |
CN109063185A (zh) * | 2018-08-27 | 2018-12-21 | 电子科技大学 | 面向事件检测的社交网络短文本数据过滤方法 |
CN109299457A (zh) * | 2018-09-06 | 2019-02-01 | 北京奇艺世纪科技有限公司 | 一种观点挖掘方法、装置及设备 |
Non-Patent Citations (5)
Title |
---|
IMRAN SHEIKH 等: ""Segmentation and Classification of Opinions with Recurrent Neural Networks"", 《IEEE INFORMATION SYSTEMS AND ECONOMIC INTELLIGENCE》 * |
LIXING ZHU 等: ""Hierarchical viewpoint discovery from tweets using Bayesian modelling "", 《HTTPS://DOI.ORG/10.1016/J.ESWA.2018.09.028》 * |
LIXING ZHU 等: ""Neural opinion dynamics model for the prediction of user-level stance dynamics"", 《HTTPS://DOI.ORG/10.1016/J.IPM.2019.03.010》 * |
廖祥文 等: ""基于卷积神经网络的中文微博观点分类"", 《模式识别与人工智能》 * |
白静 等: ""基于注意力的BiLSTM-CNN中文微博立场检测模型"", 《计算机应用与软件》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143509A (zh) * | 2019-12-09 | 2020-05-12 | 天津大学 | 一种基于静态-动态注意力变分网络的对话生成方法 |
CN111159569A (zh) * | 2019-12-13 | 2020-05-15 | 西安交通大学 | 一种基于用户个性化特征的社交网络用户行为预测方法 |
CN113793227A (zh) * | 2021-09-16 | 2021-12-14 | 中国电子科技集团公司第二十八研究所 | 一种用于社交网络事件的类人智能感知与预测方法 |
CN113793227B (zh) * | 2021-09-16 | 2023-10-31 | 中国电子科技集团公司第二十八研究所 | 一种用于社交网络事件的类人智能感知与预测方法 |
CN114580380A (zh) * | 2022-03-07 | 2022-06-03 | 中国人民解放军国防科技大学 | 基于主题的社交媒体主题标签生成方法 |
CN114580380B (zh) * | 2022-03-07 | 2022-08-05 | 中国人民解放军国防科技大学 | 基于主题的社交媒体主题标签生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492157B (zh) | 基于rnn、注意力机制的新闻推荐方法及主题表征方法 | |
CN110059190A (zh) | 一种基于社交媒体内容和结构的用户实时观点检测方法 | |
US9269053B2 (en) | Electronic review of documents | |
Frank et al. | Predicting Library of Congress classifications from Library of Congress subject headings | |
CN112199608B (zh) | 基于网络信息传播图建模的社交媒体谣言检测方法 | |
CN102411611B (zh) | 一种面向即时交互文本的事件识别与跟踪方法 | |
Li et al. | Exploring n-gram features in clickstream data for MOOC learning achievement prediction | |
CN113962293B (zh) | 一种基于LightGBM分类与表示学习的姓名消歧方法和系统 | |
Li et al. | EEG: knowledge base for event evolutionary principles and patterns | |
CN104679738A (zh) | 互联网热词挖掘方法及装置 | |
CN109871439A (zh) | 一种基于深度学习的问答社区问题路由方法 | |
CN111191099B (zh) | 一种基于社交媒体的用户活动类型识别方法 | |
CN108960488A (zh) | 一种基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法 | |
CN109255012A (zh) | 一种机器阅读理解的实现方法以及装置 | |
CN110851593A (zh) | 一种基于位置与语义的复值词向量构建方法 | |
CN107180087A (zh) | 一种搜索方法及装置 | |
Wang et al. | Answer selection and expert finding in community question answering services: A question answering promoter | |
CN110069686A (zh) | 用户行为分析方法、装置、计算机装置及存储介质 | |
CN109409529A (zh) | 一种事件认知分析方法、系统及存储介质 | |
CN111008285B (zh) | 一种基于论文关键属性网络的作者消歧方法 | |
CN108228779A (zh) | 一种基于学习社区对话流的成绩预测方法 | |
Qi et al. | Scratch-dkg: A framework for constructing scratch domain knowledge graph | |
Konagala et al. | Fake news detection using deep learning: supervised fake news detection analysis in social media with semantic similarity method | |
CN109871889A (zh) | 突发事件下大众心理评估方法 | |
CN114722304A (zh) | 异质信息网络上基于主题的社区搜索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |