秦涛^1,2,沈壮^1,2,刘欢^1,2,陈周国³

¹(智能网络与网络安全教育部重点实验室(西安交通大学) 西安 710049);²(西安交通大学电子与信息工程学部 西安 710049);³(中国电子科技集团第三十研究所 成都 610093) (qin.tao@mail.xjtu.edu.cn)

出版日期: 2020-12-01


基金资助:国家重点研发计划项目(2016YFE0206700)；国家自然科学基金创新研究群体(61721002)；教育部创新团队(IRT_17R86)；国家自然科学基金项目(61772411)；陕西省自然科学基金项目(2020JQ-646)；中央高校基本科研业务费专项资金(xjh012019026)

Learning to Rank for Evolution Trend Evaluation of Online Public Opinion Events

Qin Tao^1,2, Shen Zhuang^1,2, Liu Huan^1,2, Chen Zhouguo³

¹(Key Laboratory for Intelligent Networks and Network Security (Xi’an Jiaotong University), Ministry of Education, Xi’an 710049);²(School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049);³(30th Research Institute of China Electronics Technology Group Corporation, Chengdu 610093)

Online: 2020-12-01


Supported by:This work was supported by the National Key Research and Development Program of China (2016YFE0206700), the Innovative Research Group of the National Natural Science Foundation of China (61721002), the Innovation Research Team of Ministry of Education (IRT_17R86), the National Natural Science Foundation of China (61772411), the Natural Science Foundation of Shaanxi Province (2020JQ-646), and the Fundamental Research Funds for the Central Universities (xjh012019026).

摘要/Abstract

摘要： 社交网络中的舆情事件关乎社会的和谐与稳定，分析事件的演化趋势并进行管控能够有效降低恶性舆情事件的影响.但是，高效的舆情管控却面临标注数据少、管控资源有限的难题，采用人机混合增强技术，充分利用少量标注样本中的专家知识，是建立舆情演化态势评估模型的可行思路之一.据此，提出一种基于排序学习的舆情事件演化趋势重要性评估算法，在模型训练过程中，充分利用标注数据中的专家知识以及有标签数据和无标签数据的关联关系，筛选重要舆情事件进行管控，提升管控资源利用效能.首先，结合舆情管控经验和需求，从“人”“事”“势”等三要素出发，构建易获取、可量化、有含义的舆情事件演化态势评估指标体系；其次，基于图卷积神经网络构建舆情演化趋势评估模型，利用局部敏感Hash算法挖掘数据的空间结构信息，并利用图卷积求取数据及其邻域的混合特征；最后，针对有标签数据和无标签数据设计相应的损失函数，实现标注数据中专家知识和无标注数据中空间结构信息的综合利用.在公开数据集MQ2007-semi和MQ2008-semi上验证了算法的有效性，在自主构建的舆情数据集上验证了算法的实用性和泛化性.实验结果表明，所提算法可以根据少量的专家知识或标注数据，实现网络舆情事件演化态势的评估，为资源有限条件下的舆情事件管控提供决策支撑.

参考文献

相关文章 8

[1]	周航, 詹永照, 毛启容. 基于时空融合图网络学习的视频异常事件检测[J]. 计算机研究与发展, 2021, 58(1): 48-59.
[2]	陈亦琦, 钱铁云, 李万理, 梁贻乐. 基于复合关系图卷积的属性网络嵌入方法[J]. 计算机研究与发展, 2020, 57(8): 1674-1682.
[3]	孙肖依, 刘华锋, 景丽萍, 于剑. 基于列表级排序的深度生成推荐方法[J]. 计算机研究与发展, 2020, 57(8): 1697-1706.
[4]	姚思雨, 赵天哲, 王瑞杰, 刘均. 规则引导的知识图谱联合嵌入方法[J]. 计算机研究与发展, 2020, 57(12): 2514-2522.
[5]	卢 敏, 黄亚楼, 谢茂强, 王 扬, 刘 杰, 廖 振,. 代价敏感的列表排序算法[J]. , 2012, 49(8): 1738-1746.
[6]	彭泽武, 汤 庸, 罗海霞, 潘 炎,. 基于对象相关性的全监督和直推式排序算法[J]. , 2012, 49(6): 1256-1263.
[7]	花贵春 张 敏 刘奕群 马少平 茹立云. 面向排序的基于查询需求的查询聚类模型[J]. , 2012, 49(11): 2407-2413.
[8]	王扬, 黄亚楼, 谢茂强, 刘杰, 卢敏, 廖振,. 多查询相关的排序支持向量机融合算法[J]. , 2011, 48(4): 558-566.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4305