基于文本分析的微博用戶性格獲取模型.doc

基于文本分析的微博用戶性格獲取模型 畢崇武 （華中師范大學(xué)信息管理學(xué)院湖北武漢430079） 摘要：微博在改變信息傳播方式的同時，受到社會各界的廣泛關(guān)注。如何通過用戶發(fā)布內(nèi)容確定用戶性格成為微博營銷所要解決的關(guān)鍵問題之一。文章依據(jù)現(xiàn)階段網(wǎng)絡(luò)爬蟲、文本分析、心理學(xué)性格分類研究的相關(guān)進(jìn)展，提出一種基于微博內(nèi)容分析確定微博用戶性格的方法，對微博營銷中基于用戶性格的個性化推薦方式提供了有力保障。 關(guān)鍵詞：微博用戶；文本分析；性格特征；模型 ：F820：Adoi：103969jissn16652272xx05023 隨著21世紀(jì)信息技術(shù)的快速發(fā)展，以及人們對于電子產(chǎn)品的日益依賴，微博從早期傳播即時發(fā)布消息、用戶評論的輿論平臺，到如今新聞傳播的高效渠道，微博已經(jīng)成為了一個較為多元化的綜合平臺，并最終逐漸成為表達(dá)現(xiàn)代人精神乃至情感方面的媒體。 在企業(yè)日益認(rèn)識到微博對企業(yè)品牌價值影響這一背景下，微博作為近些年廣受歡迎的社交網(wǎng)絡(luò)平臺，其使用用戶的性格特征一直深受社會各界廣泛關(guān)注。目前通過微博內(nèi)容特征確定用戶性格的研究基本停留在表象層面，尚未合理深入到用戶的性格特征的研究層次。本文以傳統(tǒng)詞頻分析法生產(chǎn)用戶常用微博行為標(biāo)簽為基礎(chǔ)，通過建立行為性格對照表以及用戶行為性格分析模型，提出一種基于用戶微博內(nèi)容的用戶性格分析方法。 1微博數(shù)據(jù)的獲取 獲取微博用戶發(fā)布內(nèi)容的方式主要有兩種：一是通過網(wǎng)絡(luò)爬蟲爬取客戶微博中所有的用戶數(shù)據(jù)，然后在獲取數(shù)據(jù)中提取用戶發(fā)布內(nèi)容；二是通過新浪微博的開放平臺直接獲取站點服務(wù)器上的用戶數(shù)據(jù)和發(fā)布內(nèi)容。這兩種方法獲取微博數(shù)據(jù)都存在獲取數(shù)據(jù)有限的弊端，但整體看來利用編寫爬蟲程序獲取微博用戶發(fā)布內(nèi)容相對較好。該方法實施步驟為：注冊一個微博賬戶，然后用該注冊賬戶關(guān)注所需抓取的目標(biāo)用戶的微博；分析新浪微博網(wǎng)頁結(jié)構(gòu)，利用編寫網(wǎng)絡(luò)爬蟲程序，并加載i庫；將抓取的微博用戶數(shù)據(jù)存入數(shù)據(jù)庫中。 通過以上步驟，最終可以實現(xiàn)通過模擬瀏覽器行為獲取頁面標(biāo)簽，抓取新浪微博用戶所發(fā)的微博內(nèi)容、用戶粉絲和關(guān)注數(shù)據(jù)，并將獲取數(shù)據(jù)存儲在指定數(shù)據(jù)庫中。 2微博用戶性格分析的實現(xiàn) 21行為標(biāo)簽詞庫的構(gòu)建 微博用戶在微博中的行為無外乎轉(zhuǎn)發(fā)微博、發(fā)送原微博、評論、瀏覽這四種行為。用爬蟲軟件或開發(fā)商提供相應(yīng)的接口程序抓取的大量微博用戶數(shù)據(jù)后，可經(jīng)過數(shù)據(jù)提取的方式獲取用戶發(fā)布內(nèi)容，并選用特定的分詞系統(tǒng)將微博用戶發(fā)布內(nèi)容進(jìn)行分詞；然后依據(jù)用戶在微博中的行為，通過詞頻分析從用戶發(fā)布內(nèi)容中抽出能夠代表某一行為的名詞或者動作（可依據(jù)微博用戶行為動作相關(guān)的詞庫進(jìn)行人工判斷或者運(yùn)用相關(guān)軟件進(jìn)行抽詞分析）；并根據(jù)行為行為學(xué)、心理學(xué)等相關(guān)理論基礎(chǔ)規(guī)范化這些抽取名詞或者表達(dá)動作（在不損壞該詞原有含義的情況下進(jìn)行修正或者規(guī)范化），從而形成具有一定表現(xiàn)用戶轉(zhuǎn)發(fā)、評論、發(fā)表某微博當(dāng)時動作或者心理狀態(tài)的標(biāo)簽詞。在創(chuàng)建行為標(biāo)簽詞庫過程中，如果某兩個詞之間具有近似含義，則可通過相關(guān)性程度判斷的方法進(jìn)行近似判斷，進(jìn)而規(guī)定其從屬范圍或者選用一個詞作為標(biāo)簽代表與其含意相近的一類詞。 22行為性格關(guān)系映射表的建立 通過行為標(biāo)簽詞庫的建立可以實現(xiàn)對微博用戶發(fā)布內(nèi)容及其行為的揭示，但微博用戶發(fā)布內(nèi)容及其行為與其性格的關(guān)系需要行為性格關(guān)系映射表進(jìn)行對應(yīng)闡釋。所建立的行為性格關(guān)系表，主要功能是可以實現(xiàn)針對人類發(fā)出某個社會性動作（包括評論、直接的言語表達(dá)、對部分微博轉(zhuǎn)發(fā)等動作），通過查找表中行為性格的對應(yīng)關(guān)系，反映當(dāng)時微博用戶心理的一種狀態(tài)或者反應(yīng)某人當(dāng)時的一種性格上的某種屬性值（諸如厭惡、喜愛、外向等）。 在行為性格關(guān)系表建立過程中，既可以根據(jù)某些實際的性格特征（如外向），又能依據(jù)心理學(xué)性格分類的相關(guān)理論（例如M、九型人格、霍蘭德職業(yè)興趣理論等），通過實踐與心理學(xué)理論相結(jié)合的方法，進(jìn)而更加具體地描述微博用戶擁有的性格特征。在行為心理學(xué)一個多世紀(jì)的發(fā)展過程中，行為與人類心理理論的研究成果已經(jīng)非常豐富，可以基本描述用戶的性格行為關(guān)系；并且在進(jìn)行行為性格表的制定的同時，還得可以運(yùn)用諸如信息組織方面的技術(shù)手段，將行為表達(dá)詞與性格表達(dá)詞的格式進(jìn)行規(guī)范化，以求最終得到符合使用要求的標(biāo)簽詞用來建立行為性格關(guān)系映射表。 23用戶性格獲取模型的構(gòu)建 行為標(biāo)簽詞庫與行為性格關(guān)系映射表的建立可以實現(xiàn)通過分析微博用戶發(fā)布內(nèi)容，抽取用戶微博行為標(biāo)簽（揭示微博用戶行為的標(biāo)簽可以是一個，也可以是多個）；然后依據(jù)行為性格關(guān)系映射表中微博用戶行為與性格的對映關(guān)系，獲取用戶的性格。在此過程中，可以借鑒信息檢索中相關(guān)性判斷機(jī)理以及語義判定等方面的理論，將行為性格關(guān)系映射表中表示行為的詞與行為標(biāo)簽詞庫中的詞進(jìn)行語義上的匹配，并從量化的角度判斷兩個相似詞之間的相關(guān)程度，從而判斷該標(biāo)簽詞所能代表多大程度上的某種性格。該步驟的主要目的是將行為性格關(guān)系映射表中表示行為的詞與行為標(biāo)簽詞庫中的詞進(jìn)行統(tǒng)一規(guī)范化處理。在對同一用戶性格進(jìn)行描述時，一個用戶可能具有多種性格，用戶性格獲取模型對用戶性格分析的結(jié)果可以從多個方面進(jìn)行量化。當(dāng)然這一切必須在行為標(biāo)簽詞庫與行為性格關(guān)系映射表建立的基礎(chǔ)上，運(yùn)用數(shù)學(xué)建模方面的技術(shù)手段及其原理，將整個運(yùn)行機(jī)制生成一種可操作的模型，并將通過分析微博用戶發(fā)布內(nèi)容生成的行為標(biāo)簽詞輸入該模型，然后對應(yīng)輸出相關(guān)性格的排序。 總體來說，用戶性格獲取模型應(yīng)該包括：微博用戶發(fā)布內(nèi)容獲取工具（如爬蟲）、文本分詞系統(tǒng)、行為標(biāo)簽詞庫、行為性格關(guān)系映射表、用戶性格綜合判定模型，以及可視化輸入輸出界面。 3模型科學(xué)性的檢驗方法及優(yōu)化 使用用戶性格獲取模型判定微博用戶性格特征的科學(xué)性需要通過實際數(shù)據(jù)進(jìn)行檢驗。在此，本文提出一種模型合理性的檢驗方法，僅供讀者參考：使用編寫爬蟲程序抓取數(shù)據(jù)時，在抓取的用戶群中運(yùn)用統(tǒng)計學(xué)的方法進(jìn)行合理采樣，抽出在部分用戶作為樣本；將抽取的微博用戶發(fā)布的內(nèi)容進(jìn)行行為標(biāo)簽詞處理，輸入最終形成的模型當(dāng)中，得出相應(yīng)微博用戶的性格特征；采用心理學(xué)人物性格分析方法，對抽取的樣本用戶發(fā)送心理學(xué)中有關(guān)性格調(diào)查方面的問問卷，進(jìn)行用戶性格測試；問卷回收之后，采用心理學(xué)人物性格分析方法對問卷進(jìn)行分析，進(jìn)而得出較為準(zhǔn)確的用戶性格；將問卷調(diào)查結(jié)果與模型分析結(jié)果相比較。運(yùn)用相關(guān)性理論以及心理學(xué)方面對于兩個描述性格特征近義詞的相關(guān)理論進(jìn)行判斷，或者根據(jù)相關(guān)詞典中對于語義的解釋進(jìn)行人為主觀判斷專家打分法，得出模型分析結(jié)果與問卷調(diào)查結(jié)果匹配的相似度；依據(jù)得到的相似度對構(gòu)建模型的科學(xué)性進(jìn)行評判，并作為模型改進(jìn)的重要依據(jù)。 以上方法不僅可以作為評價構(gòu)建模型科學(xué)性、合理性的重要手段，而且可以作為模型改進(jìn)的重要依據(jù)，但在選取調(diào)查用戶樣本和設(shè)計調(diào)查問卷時應(yīng)帶注意樣本選取的合理性以及問卷設(shè)計的科學(xué)性。 4基于用戶性格的個性化推薦方法 基于性格的推薦主要有兩種實施方法：一是只考慮用戶性格特征，指通過用戶性格來計算用戶相似度；二是通過在傳統(tǒng)的協(xié)同過濾模型中加入用戶性格這一指標(biāo)，綜合考慮用戶性格特征和用戶評分，通過加權(quán)計算得出最終用戶相似度。 第一種方法首先需要獲取用戶的性格特征，然后考慮不同用戶性格特征之間的相似度，選取不同用戶之間相似值小于一定閥值的用戶進(jìn)行群體推銷。在推銷過程中可以選擇以用戶為角度、以對象為角度以及基于項目的不同推薦模式，最終實現(xiàn)基于用戶性格的個性化推薦方法，為微博營銷中的個性化推薦提供有力保障。第二種方法相比第一種略微復(fù)雜，需要綜合考慮不同的用戶屬性以加權(quán)的方式獲取用戶的總體特征，并計算用戶之間的相似值，但基本原理與第一種方法相當(dāng)。 5結(jié)語 從當(dāng)前企業(yè)不能很好結(jié)合微博用戶性格進(jìn)行微博營銷這一實際出發(fā)，提出一種通過運(yùn)用傳統(tǒng)詞頻分析生成用戶微博行為標(biāo)簽（該標(biāo)簽揭示微博用戶發(fā)布某內(nèi)容所表達(dá)的行為及含義），構(gòu)建行為性格關(guān)系對映表的微博用戶性格