基于BERT-HDP-vMF混合模型的舆情主题和情感演化研究.pdf

摘要

网络为公众提供了更开放平等的交流平台的同时，使公众能随时获取和分享

一手资讯。但网络是一把双刃剑，不仅会引发大规模的舆情危机，也能成为社会

情绪的减压阀。在互联网时代，网络逐渐成为信息传播的主要媒介之一，信息通

过网络传播的速度越来越快，公众通过网络参与话题讨论的频率也越来越高。其

中，突发公共事件在网络传播的过程中更容易演变成舆情危机，如果媒体人及政

府及时发现问题，澄清谣言并疏导公众负面情绪，就能将其遏制在萌芽状态。

鉴于此，为帮助政府及媒体人更高效地开展网络舆情监管工作，本文搭建了

一种混合模型，该模型在挖掘评论文本主题的同时，探究网民的情感走势，以提

升舆情分析的全面性和准确度。在主题挖掘方面，该模型借助层次狄利克雷混合

过程模型（HDP-vMF）细粒度提取微博评论中的热门主题。HDP-vMF将每条评

论数据视为独立的小组，基于组数据聚类法进行细粒度主题提取，并将Gaussian

分布替换为von-MisesFisher分布使得所有的簇被均匀映射到一个单位超球面

上，而不是鼓励所有的簇都向原点聚集，从而减小聚类时产生的误差。在情感演

化分析方面，利用深度迁移学习模型（BERT）对微博评论数据进行细粒度情感

分类建模。由注意力网络组成的BERT，在利用并行运算显著地提升运行速度的

同时，多头注意力机制也增强了模型语义分析理解的能力，为评论情感分析研究

提供了更加匹配的理论算法。

2021719

在实证分析方面，本文以“河南暴雨”事件为例，抓取年月日至

7月31日的相关话题微博评论数据，共计120791条。初步清洗数据后，先利用

jieba工具对数据进行分词处理，并使用word2vec与BERT将分词后的数据转换

为词向量；然后，通过加权平均词向量获得句子向量，使用BERT实现评论数

据的情感分类，并基于此绘制情感演化图；最后，借助HDP-vMF模型提取评论

数据的主题词，得到微博用户关注的热点话题。实证分析结果表明：（1）情感

演化方面：在舆情爆发期，微博用户的负面情绪居多，但在整个周期内，总体情

绪倾向为正向。（2）热议话题方面：“河南暴雨情况”为微博用户讨论的核心

话题。随着事件的进一步发展，衍生了多个热点话题，其中，“地铁四号线被淹”

K599

“明星及企业网络捐款”“列车被困”“求救文档”为热度排名前四的话

题，经与微博热搜话题验证，HDP-vMF能有效地挖掘真实主题。（3）BERT性

能方面：通过将BERT与6种学术界常用的情感分类算法进行性能验证，BERT

ACCF1BERT

的及值均位列第一，验证了在情感分类方面的优越性能。

关键词：BERT；HDP-vMF；主题挖掘；情感演化；河南暴雨

I

Abstract

TheInternetprovidesamoreopenandequalcommunicationplatformforthe

public,whileenablingthepublictoaccessandsharefirst-handinformationatany

time.However,theInternetisadouble-edgedsword,whichwillnotonlytriggera

large-scalepublicopinioncrisis,butalsobecomeareliefvalveforsocialemotions.In

theInternetera,thenetworkhasgraduallybecomeoneofthemainmediaof

informationdissemination.Thespeedofinformatio