翻译

2RELATED
意见。
WORK：相关工作
意见挖掘最近获得了极大关注，研究人员开始研究人们对于某些特定话题或新闻的 现有的意见挖掘方法通常分为两大类，称为基于文件和基于属性的方法。这些方法 都集中在针对不同的应用，把特定领域网站上用户的意见刻画为积极的或消极的。 做为文档级的方法，特尼等人提出使用提取短语的语义倾向的确定文件极性（积极 或消极） 。作为一个基于属性方法的例子，庄等人提出了一种使用基于常用意见短语方 法，把电影评论分组。与这些分类方式不同，对于意见我们建议使用粒度更细的分类（8 个情感类） 。 为了弄清公众舆论随时间的变化，一些相关工作由 Ku 等人负责，在这里作者使用 中国的语言特征。在时间维度中，他们的方法捕捉到总统选举中，人们的意见和关于候 选人的整体情绪的变化。
注意到，n 不是固定值，当我们从最旧的文件计算到最新的文件，文件的总数 n 在逐渐 变大。根据此参数，则第一次出现的关键词将始终有一个较大的 IDF 值，随后出现的词语 将会有较小的 IDF 值。 由 Idf 和 Tdf 的计算方法， 我们计算出 TfIdf 的值如下： TfIdf
x , Dn
x , Dn
Identifying Breakpoints in Public Opinion
识别公众意见中的间断点
作者： CuneytGurcanAkcora, Murat Ali Bayir,MuratDemirbas，HakanFerhatosmanoglu。
ABSTRACT摘要：
民意调查传统上用于检测公众意见， 然而它只提供了一个间断点集， 而不是一个统一体。 我们研究识别公众舆论中的间断点问题并且提出使用微博客网站来捕捉民意趋势。 我们提出 的方法能够检测民意变化并且找出引发民意变化的事件。 实验表明， 我们提出的方法能够有效地检测民意变化并且提取重大新闻事件。 我们还设 置了这样一个应用：用户可以查看一个持续事件的重要新闻并在网络找到相关文章。
文件阶段：对于间断点的表示，使用在间断点检测中使用的时间间隔长度。对于每个
时间间隔 T ，文件 D 是从这段时间内的所有推特中拦截词语的集合。对于文件 D 中的词
n n n
语 x ，词汇频率 Tf
x , Dn
计算方法如下：
Tf x , Dn
Count x , Dn
Count
k 1
n
k , Dn
完全相反） （情感模式相似性） 集合空间模型方法规定每个间隔单一的文件来代表，这个文件是在特定时间间隔内 获取的推特的集合。去除所有停顿词并使用波特词干提取器拦截住这些短语后，我们把 每个时间间隔内的短语收集到一个哈希集中。我们通过计算 Jaccard 相似性来定义两个 间隔 T1 和 T2 之间的词语模式相似性。
该词 x 在文件
中的出现次数，而分母则是在文件
中所有词的出现次数之和。
对于直到文件 D 时的文件总数， 词语 x 在文件 D 中逆向文件频率 If
n n
x , Dn
计算方法如下：
If x, Dn log(
n ) k , k n : x Dk
总文件数目除以包含该词语 x 文件的数目，再将得到的商取对数得到
我们正在寻在既是重大事件又是意见转折点的新闻。在 3.1 节中，我们将讨论我们 如何找到情感和词语模式，并利用提到的观测值检测民意变化。在 3.2 节中我们继续寻 找与事件相关的主题。
3.1 Opinion Detection
意见检测
对于情感模式，我们使用了一种基于情感词库的方法，对于词语模式则使用了集合 空间模型的方法。 基于情感词库的方法是基于以向量空间模型来计算文档相似性。对于推特上的情感 检测，我们使用的情感语库基于 8 个基本类，E = {愤怒，悲伤，爱，恐惧，厌恶，羞耻， 高兴，惊喜}。我们构建了一个包括 309 单词的情感词库来填充这 8 类情感。在布尔情 感载体的的 tweet 中，每类代表一个维度。我们寻找推特中的情感词，如果找到了，在 情感向量中设置相应的值为 1，否则为 0。 •推特： 在诺福克的主街道上， 当听到老虎伍兹的更新时， 我感到愤怒。 2009-12-11， 情感向量： （1，0，0，0，0，0，0，0） 。 对于在选定的时间间隔内的所有推特，计算出所有相应的情感向量维度的质心，并 且该质心被认为是每个间隔时段的文件。 对于一个给定包含 N 条推特的时间间隔 T，令V = v1 ，v2 ， ⋯ vN （其中每个向量 vk 都是八维的）成为一个由推特产生的向量集合。对于周期 T 我们定义质心V如下：
x , Dn
Tf x,Dn Idf x,Dn
（TF-IDF 是一种统计方法，用以评估一词对于一个文件集中的其中一份文件的重要程度）
Prominence Update Phase.，显著性更新阶段：
针对最近在 D 中出现的关键词 x ，如果 o n ，我们定义 Tf
n
x , Do
如下：
Tf x, Do Tf x,Do F (To , Tn ) Tf x, Dn ？？？？？？
F (To , Tn ) 1
(n o)
：
对于文件 D 中关键字 x 的最新 Tf 值，我们按照以下公式重新计算 TfIdf
o
x , Do
TfIdf x, Do Tf x,Do Idf x, Do
我们从每个文件中选择 p 个 TfIdf （强调显著性的更新阶段， ） 值最大的词语，即成他们为这个文件的显著词。
Categories and Subject Descriptors 分类和主题描述：
H.2.8[信息系统]：数据库管理——数据库应用，数据挖掘; H.3[信息系统]：信息存储和 检索。
General Terms：
常用术语：
意见挖掘，情感语库，微博，情绪分析。
1.
INTRODUCTION：引言
从 1824 年开始，民意调查开始用于检测民意（在美国大选时应用） ，不过这种方式 不能涉及足够多的群众，也不能捕捉那些对于没有包含在问卷中的事件的意见。此外， 随着事件的迅速发展，民意会随之发生变化。民意调查不能够因为民意随时间的变化而 变化。随着像 Twitter 这样的微博网站的发展，我们现在能够观测到个体意见并跟上民 意的变化。通过对个人意见认真的汇总和分类，我们可以更好的理解一些事情被公众接 受的程度。 在本文中，我们提出了有效的方法来在一个大的数据流信息中对意见进行识别和分 类，并且针对相关的事件，刺激用户表达自己的意见。 特别地，本文的贡献如下：
间的相似性。如果检测到变化的可能性，再通过分析 Jaccard 相似性进行验证。经过检 测 1 和 2 之后，如果两种方法都检测到了变化，就称这个点为间断点。
Tn 被称为时间间断点，如果 Tn 在基于词库的方法中和集合空间模型的方法中都满足下
面的条件： Sim(T , T ) Sim(T , T ) n1 n n 2 n1
25
1. 每天的推特数 4.1 Opinion Detection：意见检测
时间间隔的长度在我们的分析中占重要地位。我们评估了长度从 2 小时到 24 小时之间 的单位。间隔短于 12 个小时的情况下，因为包括推特数量较少，不能形成有意义的样本， 而导致结果偏差。另一方面，长于 24 小时的时间间隔不适合作为问题域（媒体新闻周期） 。 我们选择 12 小时作为时间间隔，因为它是能够提供有效数据，并允许我们以较小分隔来抓 取事件的最短时间间隔。 在收集的 20 天数据中，通过情感词库方法，我们发现了 8 种可能的间断（图表 2） {5,10,17,23,25,27,32,36}，通过 Jaccard 相似度又捕获了其中的 5 个{5,10,23,25,27}（图表 3） 图表 2 中包含代表因拥有少量推特而称为异常时间间隔的黑色长条。 （间断点检测） 我们以老虎伍兹事件为时间线，用来自 CNN，ABC 新闻和 ESPN 的相关事件，来测试 我们的结果。经过验证的 3 个间断点以连续的顺序与以下事件相关： （5）老虎伍兹接受出轨 索赔； （10）更多的女性声称与老虎伍兹发生过关系（23）佳得乐终止与伍兹的赞助协议。 并且推特用户开始用“圣诞老人＃接近圣诞节”标签写关于伍兹的成千上万个笑话。在经过 验证的间断点中，25 和 27 错误的。
Sim(Tn1, Tn ) Sim(Tn , Tn1 )
3.2 Breakpoint Representation:间断点的表示：
检测到公众意见变化后，我们开始着手确定引起这些变化的事件。为此，我们找出 这个时间间隔内的显著词来代表间断点。针对显著词的选择，我们提出了基于 TfIdf 的 动态评分功能。该算法应有效地找到最近出现的关键词，引导用户找到醒目的新闻，并 语给予特殊 关注。 TfIdf 流算法：要确定引起间断点的事件，我们需要找到代表这些事件主题的关键 字，我们提出的 TfIdf 流算法用于从推特信息流中提取与关键字相关的事件。
Sim(T1 , T2 )
(Set )T1 (Set )T2 （词语模式相 (Set )T1 (Set )T
似性） 要找出变化， 无论是单独使用基于语库的方法， 还是集合空间模型的方法都不合适。 对于基于语库的方法，当与其邻居相比间隔内的推特有极少的情绪词时， （举例）质心 的变化可能会造成误导。对于集合空间模型的方法，相似度的变化本身并不意味着公众 意见的变化，因为不是所有的词语都是情感词。在我们的方法中，我们首先分析向量空
k N
V ( k 1 , k 1 , , k 1 ) N N N
对不同的时间间隔找到向量质心之后，我们通过计算其质心向量之间的余弦相似性， 定义时间间隔 T1，T2 的意见相似度，
v1k
k N
vk2
k N
vkl
（每维向量的算术平均数）
Sim(T1,T2 )
v1 v2 （余弦夹角值，当 Sim=1 时，夹角为 0，完全相似；sim=-1 时， v1 v2