网络舆情分析之利器

知识图谱(Knowledge Graph)是以知识域为研究对象,显示某种知识发展进程与结构关系的一种图像,具有“图”和“谱”的双重特征,表示知识单元之间交叉、互动、演化等多重复杂关系。《网络舆情知识图谱》(国防工业出版社)一书,围绕“知识图谱+”向大家介绍人工智能背景下知识图谱在网络舆情中的应用。

知识图谱技术是指知识图谱建立和应用的技术,是融合认知计算、知识表示与推理、信息检索与抽取、数据挖掘与机器学习等交叉研究,属于人工智能重要研究领域——知识工程的研究范畴。利用知识工程为大数据添加语义,使数据产生“智慧”,完成从数据到信息再到知识,最终到智能应用的转变过程,从而实现对大数据的洞察、提供决策支持、改进用户体验等目标。目前,知识图谱已经在知识融合、语义搜索推荐、问答与对话系统,以及大数据分析与决策等领域中,发挥着越来越重要的应用价值。

大数据时代,网络舆情管理更加复杂,知识分布更加分散,有效获取和精准研判更加困难。将知识图谱应用于舆情管理,可以简化热点事件的发现过程,提高热点事件的趋势分析能力,提升舆情管理的智能化水平。

书中,作者讲述了知识图谱在网络舆情领域的采集、分析和服务中的应用价值。在网络舆情采集中,构建知识图谱对舆情信息分类和画像,可以精准地确定采集方向,面向不同任务自动关联采集站点,确定数据格式和存储方式;在网络舆情分析中,知识图谱的运用主要集中在对舆情事件和用户的分析,构建知识图谱实现对舆情热点事件的发现和跟踪,从话题热度、用户活跃度和上网行为等多个方面进行可视化分析;在网络舆情服务中,构建知识图谱对重大主题舆情、舆情事件演变、关键组织和人物进行管理。

此外,书中对网络舆情话题内容、网民上网行为和用户影响力等给出了知识图谱的分析和展示。比如,分析网络中某话题的喜好,需要我们对话题进行抽象概括,即关联、归类相似话题,形成舆情话题的体系。该体系的构建,一方面可以分析网络用户对某话题的喜好程度,另一方面可以辅助筛选关联相关话题。构建完成后还需人工整理,通过话题范畴划分层级,并补充整理一些同属领域的其他话题内容,以完善整个话题体系。这个话题体系,本质上就是一个舆情话题图谱,图谱中每一个实体便是一个话题,话题和话题之间存在上下位关系,同级话题之间保持着一定的关联度。

基于知识图谱的舆情热点事件,分析流程如下:一是话题识别,就是从用户的输入语句中提取有效的话题信息;二是候选话题生成,就是利用知识图谱进行话题关联,增加有效交互和对话持续性;三是候选话题排序,就是通过若干特征对候选话题加权排序,选出关联性最强的话题;四是回复生成,基于关联话题,结合用户、热点信息和有关语料生成回复。

书中指出,知识图谱通过统计和分析,可以发掘领域研究的热点和前沿,并结合图谱可视化分析进行全景式展示。在军事情报分析中,一个基于知识图谱的信息系统,可以对人员、装备、事件进行全面的监控分析,支持相关人员第一时间掌握战场态势并作出预判;在指挥系统中,一个基于知识图谱的数据模型方案,可实现指挥领域知识的关联、整合与可视化,从而为指挥决策提供高效服务。

该书还介绍了多学科开展网络舆情知识图谱研究的潜力和优势。客观研判网络舆情离不开情报学,科学指导舆情研究离不开管理学,精准引导热点话题离不开传播学,分析追踪舆情事件离不开信息学。因此,我们需要综合运用多学科的研究方法,推进网络舆情知识图谱融合研究,以达到最大效能。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注