基于知识图谱的抗疫意见领袖热点话题检测与分析.docx

?

?

基于知识图谱的抗疫意见领袖热点话题检测与分析

?

?

任东亮林绍福黄鸿发付钰

摘要：新型冠状病毒（COVID-19）疫情爆发期间，涌现出了众多的抗疫意见领袖。通过对意见领袖话题传播和演化进行分析研究，可以为网络舆情治理和疫情防控提供理论和知识支撑。采用N-Gram语言模型和Shingling相似度算法相结合的方式进行话题检测，再通过Neo4j图数据库存储与检索意见领袖、话题、事件等多维实体特征，构建以意见领袖为核心的话题图谱。实验结果表明，话题准确率达82.3%，召回率达81.6%，与传统Single-Pass聚类相似度算法相比均有所提高。通过对图谱分析，能够简单直观地展示出不同实体间多维舆情关系。同时，可以提高检索速度和分析效率，符合舆情传播客观规律。

关键词：新冠疫情;意见领袖;网络舆情;知识图谱;话题分析

DOI：10.11907/rjdk.201625

：TP301：A：1672-7800（2020）010-0020-05

Abstract：Manyanti-epidemicopinionleadersemergedduringtheoutbreakofCOVID-19period.Throughtheanalysisandresearchonthetopicdisseminationandevolutionofopinionleaders，itcanprovidetheoreticalandknowledgesupportfornetworkpublicopiniongovernanceandepidemicpreventionandcontrol.ThispaperfirstusesthecombinationofN-Gramlanguagemodelandshinglingsimilarityalgorithmfortopicdetection.Thenbystoringandretrievingthemulti-dimensionalentitycharacteristicssuchasopinionleaders，topics，eventsandsoon，Neo4jgraphdatabaseisusedtobuildtopicgraphwithopinionleadersasthecore.Theresultsshowthattopicaccuracyreaches82.3%andrecallrate81.6%，whichareimprovedcomparedwiththetraditionalSingle-Passclusteringsimilarityalgorithm.ThroughtheanalysisoftheGraph，themultidimensionalpublicopinionrelationshipbetweendifferententitiescanbedisplayedsimplyandintuitively.Atthesametime，itcanimprovetheretrievalspeedandanalysisefficiency，andconformtotheobjectivelawofpublicopiniondissemination.

KeyWords：COVID-19epidemic;opinionleader;networkpublicopinion;knowledgegraph;topicanalysis

0引言

抗疫意見领袖是指在疫情中作出贡献，并且在社交媒体平台上能够因传播信息和表达意见而影响多数人态度倾向的公众人物。他们通过积极制造或参与话题，引起网友的关注和讨论，从而产生较大影响力[1]。新型冠状病毒（CoronaVirusDisease2019，COVID-19）疫情爆发并迅速蔓延，在这一突发公共卫生事件背景下，涌现出了众多的抗疫意见领袖，如钟南山、马云、韩红等。他们发表的观点具有强大的舆论号召力，他们本人也成为此次疫情事件中的意见领袖。在微博平台上，网民们对意见领袖的话题及相关热点事件发表自己的意见和看法，从而产生海量的文本信息。从这些文本信息中进行话题挖掘抽取，可以了解网民对突发公共卫生事件的观点，探索事件发展全过程的舆情演变规律。充分利用文本信息、发挥网络平台民意采集作用，可以预测突