本發(fā)明涉及智能算法和情感計(jì)算領(lǐng)域，尤其是一種基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法。

背景技術(shù)：

在突發(fā)事件(如自然災(zāi)害、工業(yè)技術(shù)災(zāi)難)中，人們往往會(huì)采取一系列行為來(lái)應(yīng)對(duì)、抵御突發(fā)事件帶來(lái)的危害影響。其中，情緒狀態(tài)對(duì)人們的行為有重要影響。例如，Goltz發(fā)現(xiàn)在地震中恐懼情緒較高的人群，或者表達(dá)了強(qiáng)烈意愿想與其他人結(jié)伴的人群更有可能逃離災(zāi)區(qū)。從社會(huì)心理學(xué)角度來(lái)看，雖然恐慌情緒相比其他情緒出現(xiàn)的概率低，但恐慌情緒及其造成的行為在突發(fā)事件中帶來(lái)的次生危害尤為嚴(yán)重。雖然在2002年，美國(guó)當(dāng)代災(zāi)難研究中心負(fù)責(zé)人Quaranteli表示，未來(lái)集體恐慌的概念作為社會(huì)學(xué)中的技術(shù)術(shù)語(yǔ)可能會(huì)消失，然而，新的通信平臺(tái)和交流渠道(如社交網(wǎng)絡(luò)、災(zāi)難實(shí)時(shí)畫面直播等)會(huì)擴(kuò)大現(xiàn)代社會(huì)中突發(fā)事件的影響范圍，事件的不確定性級(jí)別將引發(fā)情緒從焦慮到恐慌的轉(zhuǎn)移，進(jìn)而增加導(dǎo)致集體恐慌的風(fēng)險(xiǎn)。例如，2011年日本核危機(jī)時(shí)美國(guó)西海岸和中國(guó)東南沿海爆發(fā)了恐慌性購(gòu)買碘伏和碘鹽的熱潮。因此，許多研究者致力于研究人類對(duì)突發(fā)事件的情緒反應(yīng)動(dòng)力學(xué)。

傳統(tǒng)社會(huì)科學(xué)通常采用采訪和問卷調(diào)查的方式研究人們對(duì)突發(fā)事件的反應(yīng)，但這類方式的缺陷在于采訪或問卷通常無(wú)法囊括一些可能直接反應(yīng)人們情緒的私人問題。隨著信息技術(shù)的進(jìn)步，人們?cè)絹?lái)越多的使用社交媒體(如博客，Twitter)與家人朋友表達(dá)和交流思想。一方面救援機(jī)構(gòu)可以通過(guò)社交媒體監(jiān)測(cè)災(zāi)區(qū)和未受影響地區(qū)人們的情緒反應(yīng)，另一方面救援機(jī)構(gòu)也可以通過(guò)社交媒體發(fā)布最新的情況報(bào)道，提高信息發(fā)布速度，降低事件不確定性對(duì)人們的情緒影 響。因此，網(wǎng)絡(luò)新聞和社交媒體提供給我們新的機(jī)會(huì)和角度來(lái)監(jiān)測(cè)突發(fā)事件下人們的情緒反應(yīng)。隨著在線媒體被愈發(fā)廣泛的運(yùn)用，社會(huì)計(jì)算機(jī)科學(xué)領(lǐng)域?yàn)榱酥С滞话l(fā)事件管理，提出了一些從社會(huì)行為中提取有價(jià)值的信息和知識(shí)的計(jì)算方法，比如情感計(jì)算、意見挖掘和事件監(jiān)測(cè)。

通過(guò)在線媒體監(jiān)測(cè)人們對(duì)突發(fā)事件的反應(yīng)有兩種類型的方法，分別是基于內(nèi)容的分析方法和基于關(guān)鍵詞的分析方法?；趦?nèi)容的分析是一種基于人工分析的定性分析方法，根據(jù)不同的編碼方案，如RIAS(包含14個(gè)類型)或者泰勒的IUE模型(包含8個(gè)類型)對(duì)文本分類。利用這些方法，Meckel等人分析了2010年美國(guó)墨西哥灣石油泄露的相關(guān)報(bào)道，他們發(fā)現(xiàn)傳統(tǒng)的媒體更多的關(guān)注政治新聞和事實(shí)，然而社會(huì)媒體傾向于報(bào)道謠言和人們感興趣的故事。Oh和Bollen等人也分別監(jiān)測(cè)了在股票危機(jī)和海地地震中人類的情感變化。但是我們發(fā)現(xiàn)，盡管基于內(nèi)容的分析方法在社會(huì)科學(xué)中有較好的理論基礎(chǔ)，但一些局限性仍限制了它的廣泛應(yīng)用：(1)盡管編碼員受過(guò)良好的訓(xùn)練，但對(duì)某些文本，編碼員的評(píng)判意見無(wú)法統(tǒng)一；(2)多個(gè)編碼員評(píng)估一篇文章導(dǎo)致人力資源浪費(fèi)，并由于需要協(xié)商分歧而造成耗時(shí)較長(zhǎng)；(3)編碼員的情緒對(duì)評(píng)估結(jié)果有一定影響，特別是在災(zāi)難事件中閱讀悲傷消息時(shí)影響尤為嚴(yán)重。

為了進(jìn)行實(shí)時(shí)分析，研究者提出了一些計(jì)算機(jī)輔助方法來(lái)監(jiān)測(cè)人們對(duì)突發(fā)事件的反應(yīng)。最有效的一種方法就是基于關(guān)鍵詞的分析。SATO等人通過(guò)在線新聞媒體比較了關(guān)鍵詞隨時(shí)間變化特征。他們發(fā)現(xiàn)在地震的不同階段人們有著不同的行為活動(dòng)，如前100小時(shí)聚焦于拯救生命，而1000小時(shí)后更多著眼于重建工作。然而，由于人們會(huì)用不同情感詞語(yǔ)去描述同一個(gè)事件，我們無(wú)法僅僅基于少量的人工選擇的詞語(yǔ)來(lái)描述人們的情感反應(yīng)。同時(shí)有研究發(fā)現(xiàn)，基于關(guān)鍵詞的分析僅僅提供了人們情感的宏觀反應(yīng)，而無(wú)法從微觀上解釋人們情感變化到底是由哪些子事件引起。除此之外，新聞報(bào)道中的一些不相關(guān)內(nèi)容也會(huì)影響情感監(jiān)測(cè)結(jié)果的質(zhì)量，函待進(jìn)一步解決。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法，用以解決上述技術(shù)問題。

本發(fā)明的基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法，包括下列步驟：S1、從相應(yīng)媒介提取事件相關(guān)的新聞文章、報(bào)道以及微博信息，并將事件相關(guān)的數(shù)據(jù)以天數(shù)為單位分別建立文件夾；S2、為每個(gè)所述的文件夾分別構(gòu)建單詞矩陣；S3、基于所述的單詞矩陣，構(gòu)建聚類非對(duì)稱相似矩陣；S4、基于所述的聚類非對(duì)稱相似矩陣，將單詞的小集群合并成大集群，進(jìn)而將單詞矩陣中的詞匯劃分成不同集群；S5、基于所述的詞匯集群劃分，利用情感計(jì)算領(lǐng)域的LIWC詞典進(jìn)行情緒監(jiān)測(cè)，挖掘不同集群內(nèi)用戶行為和情緒變化原因。

其中，步驟S1中所述的文件夾以D_i表示，其中i∈[1，maxD]，maxD表示文件夾總數(shù)；每個(gè)D_i包括當(dāng)天的文章f_ij，則D_i＝{f_il，...，f_ij}，其中j∈[1，maxF(D_i)]，maxF(D_i)表示D_i中文章總數(shù)。

其中，步驟S2中所述的單詞矩陣以M_i表示，步驟S2具體包括：S21、基于停用詞列表，從D_i中移除冗余單詞；S22、D_i中剩余的單詞形成矩陣M_i[N_Di][N_Di]，其中N_Di表示移除冗余單詞后，不同單詞的總數(shù)；S23、計(jì)算M_i中的同現(xiàn)詞；對(duì)于D_i中的每一篇文章f_ij，如果兩個(gè)詞出現(xiàn)在同一句中，則通過(guò)下述公式計(jì)算M_i中的同現(xiàn)詞：M_i[x][y]++；M_i[x][x]++；M_i[y][y]++。

其中，步驟S3中非對(duì)稱相似矩陣定義為：其中α表示系數(shù)參數(shù)。

其中，步驟S4中通過(guò)下述公式將單詞的小集群合并成大集群： 其中，C_kl表示連接集群C_k和集群C_l單詞的邊緣部分，且通過(guò)循環(huán)計(jì)算，將小集群合并成大集群使Q值最大化。

其中，步驟S4中，基于矩陣每一個(gè)單詞都有一個(gè)集群ID，被分到不同的集群C_k，從而獲得描述同一事件的不同單詞。

其中，步驟S4執(zhí)行后，D_i進(jìn)一步表示為{C_i1，...，C_ip}，即第i天有p個(gè)集群，其中描述同一情節(jié)的相關(guān)性大的詞將被聚集在一起形成一個(gè)集群。

其中，步驟S5中，通過(guò)LIWC詞典計(jì)算特定類型的情感詞數(shù)量，或者每個(gè)D_i中根據(jù)LIWC詞典規(guī)定的特定類型情感詞和同一類型中所有情感詞的比率，反映了人們對(duì)一個(gè)突發(fā)事件的情緒反應(yīng)。

本發(fā)明的基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法與現(xiàn)有技術(shù)相比，優(yōu)勢(shì)主要在于以下兩點(diǎn)：(1)利用聚類技術(shù)，不僅可以去除干擾詞匯的影響，還可以進(jìn)一步劃分為子事件(subevents，episodes)，從而分析用戶行為變化的具體原因；(2)實(shí)現(xiàn)在線媒體實(shí)時(shí)監(jiān)測(cè)。

【附圖說(shuō)明】

圖1是本發(fā)明實(shí)施例的方法步驟流程圖；

圖2以2011年3月日本地震事件為例，展示從BBC和ReliefWeb網(wǎng)站監(jiān)測(cè)的(a)每天關(guān)于日本地震事件文章總數(shù)、(b)每天的詞匯總數(shù)、(c)每天文章的平均詞匯數(shù)、(d)刪除停用詞后剩下的詞匯總數(shù)；

圖3(a)是2011年3月日本地震事件發(fā)生時(shí)從Twitter中監(jiān)測(cè)的每天推文數(shù)量；(b)2009年1月海地地震發(fā)生時(shí)從ReliefWeb中監(jiān)測(cè)的每天的災(zāi)情信息報(bào)道數(shù)量；(c)是2009年4月至5月H1N1流感事件期間從ReliefWeb中監(jiān)測(cè)的新聞報(bào)道數(shù)量。在4月份該危機(jī)發(fā)生后，報(bào)道數(shù)迎來(lái)了爆發(fā)性增長(zhǎng)；

圖4是從BBC、ReliefWeb和Twitter三種不同媒體中監(jiān)測(cè)的2011年3月日本地震期間正向和負(fù)向情緒的動(dòng)態(tài)變化情況。(a)(c)圖表明無(wú)論是傳統(tǒng)的新聞媒體還是新興的社交媒體，人們都是負(fù)向情緒占主導(dǎo)地位，因此會(huì)誘發(fā)一系列非理智行為。而(b)圖表明ReliefWeb發(fā)布的信息中，正向情緒占主導(dǎo)，這是由ReliefWeb媒體的救援職能決定的，其通過(guò)一系列積極主動(dòng)的救災(zāi)行為緩解突發(fā)事件的影響；

圖5是2011年3月日本地震期間根據(jù)LIWC字典情緒詞分類展示不同媒體(BBC、ReliefWeb和Twitter)中負(fù)面情緒中的三個(gè)子類型情緒(恐懼焦慮、悲 傷、憤怒)動(dòng)態(tài)變化情況。根據(jù)現(xiàn)代心理學(xué)理論：悲傷(Sad)情緒屬于一級(jí)情緒，是人們面對(duì)突發(fā)事件時(shí)的本能反應(yīng)，而恐懼焦慮(Anxiety)和憤怒(Anger)情緒則屬于二級(jí)情緒，其中憤怒(Anger)情緒是驅(qū)使人們采取行動(dòng)控制威脅情況以及克服所遇到困難的能量源泉；而恐懼焦慮(Anxiety)情緒保護(hù)人們免受潛在的危險(xiǎn)，驅(qū)使人們采取即刻的保護(hù)行動(dòng)來(lái)逃避這些危害。不同于圖(a)(b)，突發(fā)事件期間人們通過(guò)發(fā)布和轉(zhuǎn)發(fā)救援信息相互支持，輔助開展災(zāi)害的救援工作，因此圖(c)中代表克服困難的憤怒(Anger)情緒占主導(dǎo)地位。雖然圖5展示了情緒動(dòng)態(tài)變化情況，但從圖中很難解釋哪一個(gè)子事件(如地震、海嘯、核泄露危機(jī))影響了人群情緒反應(yīng)的變化，也就是說(shuō)，基于整個(gè)新聞報(bào)道的內(nèi)容，我們難以捕捉到在某個(gè)事件中是什么影響了人群的情緒反應(yīng)；

圖6是2011年3月日本地震期間根據(jù)LIWC字典分類展示Twitter中感知反應(yīng)(視覺、聽覺和感覺)和社會(huì)關(guān)注(朋友、家庭和人類)變化情況。(a)表示在帶有感知詞語(yǔ)的推文中，大部分信息包含聽覺(Hear)詞語(yǔ)而非視覺詞語(yǔ)，這表明突發(fā)事件過(guò)程中第三方信息是主要信息來(lái)源。(b)表明人群在突發(fā)事件中更關(guān)注全社會(huì)的安全問題，而非僅僅家人、朋友；

圖7是根據(jù)ReliefWeb報(bào)道監(jiān)測(cè)到的人們?cè)诓煌录腥N負(fù)向情緒(恐懼焦慮、悲傷和憤怒)的變化，分別是：(a)2011年3月日本地震事件，(b)2010年1月海地地震事件，(c)2009年4月至5月期間H1N1流感事件。圖(a)(b)表明在導(dǎo)致大規(guī)模人員傷亡的突發(fā)自然災(zāi)害面前，悲傷情緒一直占據(jù)主導(dǎo)地位。而圖(c)表明在突發(fā)生物安全危害事件中，代表逃避危險(xiǎn)的恐懼焦慮情緒占據(jù)了最高的比例，而悲傷情緒相比自然災(zāi)害事件比例較低且走勢(shì)平緩，這一方面是由于在突發(fā)生物安全危害事件中死亡人數(shù)比突發(fā)自然災(zāi)害低，另一方面是由于人們對(duì)未知突發(fā)生物安全危害事件的恐慌程度高，想即刻采取保護(hù)行動(dòng)來(lái)逃避其所帶來(lái)的潛在危害；

圖8是根據(jù)2011年3月11日日本地震時(shí)BBC新聞產(chǎn)生的聚類層次結(jié)構(gòu)圖，其中含有11個(gè)子類集群(即從D₁到D₁₁)。其中一些不相關(guān)事件分別被聚集在單獨(dú)的子類集群中，例如“菅直人總理的非法政治捐贈(zèng)”和“倫敦舉辦奧林匹亞運(yùn) 動(dòng)會(huì)”事件。為了精確獲取人群情緒變化的原因，我們監(jiān)測(cè)并比較了每天同一子類集群中情感詞比率的變化(比如第i天核泄露危機(jī)子事件C_i{nuclear})，而不是第i天的所有詞的數(shù)量變化(即D_i)?；谶@些統(tǒng)計(jì)特征，我們可以進(jìn)一步監(jiān)測(cè)并識(shí)別人群情緒波動(dòng)具體是由哪些子事件引起；

圖9是從ReliefWeb媒體中監(jiān)測(cè)的2011年3月日本地震期間針對(duì)“earthquake”子事件和2009年4-5月H1N1流感期間針對(duì)“swine flu”子事件時(shí)，人們?nèi)N負(fù)向情緒(恐懼焦慮、悲傷和憤怒)變化對(duì)比圖。首先，與圖7(a)展示的依靠全部監(jiān)測(cè)數(shù)據(jù)得到的結(jié)果相比，經(jīng)過(guò)聚類后圖9(a)監(jiān)測(cè)到的二級(jí)情緒(焦慮與憤怒)間的相對(duì)關(guān)系發(fā)生了明顯變化：圖7(a)中恐懼焦慮情緒在后半程在主導(dǎo)地位，也就是說(shuō)人們展現(xiàn)出一種想要逃避危險(xiǎn)的行為傾向；但是經(jīng)過(guò)聚類后的圖9(a)發(fā)現(xiàn)，人們針對(duì)“earthquake”子事件表現(xiàn)出的憤怒情緒一直在主導(dǎo)位置，也就是說(shuō)人們一直表現(xiàn)出克服困難的行為意愿。因此，我們可以得到結(jié)論：在整個(gè)日本地震期間，人群的恐慌焦慮情緒并非是由“earthquake”子事件造成。其次，通過(guò)直接對(duì)比圖9(a)和9(b)，我們發(fā)現(xiàn)人群面對(duì)“earthquake”子事件和“swine flu”子事件有著明顯不同的情緒反應(yīng)：在突發(fā)自然災(zāi)害期間，面對(duì)大量人員傷亡，人們感到悲傷并積極采取行動(dòng)克服遇到的困難；而面對(duì)突發(fā)生物安全危害事件時(shí)，由于人們對(duì)流感病毒變異和缺乏有效防御手段的擔(dān)憂，更多的表現(xiàn)出恐懼焦慮情緒，并展現(xiàn)出想采取行動(dòng)逃避流感所帶來(lái)的潛在危害的意愿。因此，鑒于突發(fā)事件的不確定性和偶發(fā)性，事態(tài)進(jìn)展和威脅影響信息常常無(wú)法及時(shí)發(fā)布，由此人們會(huì)因?yàn)闊o(wú)法及時(shí)了解這些信息而產(chǎn)生恐懼焦慮情緒，進(jìn)而產(chǎn)生非理性行為。這時(shí)，突發(fā)事件應(yīng)急管理部門應(yīng)及時(shí)發(fā)布更多具體信息來(lái)降低人們的風(fēng)險(xiǎn)感知(如流感病毒的癥狀和醫(yī)療注意事項(xiàng)等)；

圖10是2011年3月日本地震期間分別從BBC、ReliefWeb和Twitter中監(jiān)測(cè)的人們針對(duì)“earthquake”和“nuclear”不同子事件的三種負(fù)向情緒(恐懼焦慮、悲傷和憤怒)變化。首先，通過(guò)分別對(duì)比(a)(d)，(b)(e)和(c)(f)，可以發(fā)現(xiàn)人們針對(duì)不同子事件有著不同的情緒反應(yīng)：由于“nuclear”子事件存在著諸多不確定性的 潛在風(fēng)險(xiǎn)，影響范圍在不斷擴(kuò)大，人群的恐懼焦慮情緒高于“earthquake”子事件，展現(xiàn)出一種想要逃避危險(xiǎn)的行為傾向；而對(duì)于“earthquake”子事件，人群的憤怒情緒則強(qiáng)于恐懼焦慮情緒，也就是說(shuō)人們表現(xiàn)出克服困難的行為意愿。其次，通過(guò)對(duì)比圖5和圖10，可以展現(xiàn)本發(fā)明相對(duì)于現(xiàn)有技術(shù)的優(yōu)勢(shì)：通過(guò)聚類分析監(jiān)測(cè)突發(fā)事件發(fā)生發(fā)展過(guò)程中人們對(duì)每個(gè)子事件的態(tài)度。例如，圖10(d)(e)(f)中監(jiān)測(cè)到的恐懼焦慮情緒解釋了圖5中恐懼焦慮情緒出現(xiàn)峰值的原因，它反映出2011年日本地震期間人群所表現(xiàn)出的恐懼焦慮情緒是由于“nuclear”子事件而并非“earthquake”子事件引起。而這種強(qiáng)烈的恐懼焦慮情緒可能帶來(lái)的結(jié)果就是引起謠言迅速傳播，從而導(dǎo)致一些非理性行為(例如美國(guó)恐慌性購(gòu)買碘和中國(guó)恐慌性購(gòu)買鹽的熱潮)。事實(shí)上，人群恐懼焦慮情緒的急劇增加是由于缺乏對(duì)事件相關(guān)動(dòng)態(tài)和可能產(chǎn)生影響的了解。因此，應(yīng)急管理部門應(yīng)及時(shí)發(fā)布有針對(duì)性的信息來(lái)緩和人群對(duì)風(fēng)險(xiǎn)的恐慌情緒；

圖11是2011年3月日本地震期間根據(jù)LIWC字典中的感知分類從BBC中監(jiān)測(cè)到的人們面對(duì)不同子事件(地震、海嘯、核泄漏危機(jī))時(shí)(a)“視覺(See)”和(b)“聽覺(Hear)”反應(yīng)變化對(duì)比圖。首先，對(duì)于地震和海嘯子事件，BBC提供了很多現(xiàn)場(chǎng)照片和視頻，因此人們更多是通過(guò)視覺感知事件的影響與危害；而對(duì)于無(wú)法采集直接危害的核危機(jī)事件，人們更多是通過(guò)專家解讀和歷史回顧的方式了解其影響與危害。其次，由于日本政府和國(guó)際原子能組織IAEA在14日至17日發(fā)布了多條報(bào)道來(lái)解釋核泄露危機(jī)情況和進(jìn)展(例如IAEA于15日在ReliefWeb上持續(xù)發(fā)布了6篇報(bào)道)，因此圖11(b)中核泄露危機(jī)信息出現(xiàn)了爆發(fā)性增長(zhǎng)。根據(jù)本發(fā)明涉及的聚類分析法，多數(shù)來(lái)自權(quán)威機(jī)構(gòu)的評(píng)論被聚集到一個(gè)獨(dú)立基本子群中(如圖8底部所示)，然而只有核泄露危機(jī)子事件相關(guān)詞匯與這些來(lái)自權(quán)威機(jī)構(gòu)的評(píng)論被聚集成一個(gè)更大的詞匯集群(如圖8頂部所示)，由此我們可以推斷出當(dāng)時(shí)核泄露危機(jī)的嚴(yán)重性；

圖12是2011年3月日本地震期間從Twitter中監(jiān)測(cè)到的(a)人群對(duì)“Libya”子事件的三種負(fù)向情緒(恐懼焦慮、悲傷和憤怒)變化，(b)人群針對(duì)四種不同子事件“Family”詞匯子類變化。首先，人們?cè)诶葋單C(jī)中表現(xiàn)出憤怒情緒而 非悲傷和恐懼焦慮情緒，這是因?yàn)閼嵟榫w通常可以激發(fā)人們采取主動(dòng)行動(dòng)去克服各類威脅。面對(duì)“Libya”危機(jī)，從3月16日開始社交網(wǎng)絡(luò)中監(jiān)測(cè)到越來(lái)越多包含軍事行動(dòng)的推文(一種控制“Libya”危機(jī)的方法)，而與此同時(shí)，憤怒情緒正在逐漸增長(zhǎng)，這一發(fā)現(xiàn)可進(jìn)一步解釋圖5(c)中憤怒情緒的變化。其次，利用本發(fā)明涉及的聚類分析法，圖12(b)進(jìn)一步解釋了圖6(b)中社會(huì)關(guān)注“Family”子類變化原因：海嘯子事件是導(dǎo)致“Family”子類在20日出現(xiàn)峰值的原因，核泄漏子事件是導(dǎo)致“Family”子類在17日出現(xiàn)峰值的原因，這是本發(fā)明展示技術(shù)優(yōu)勢(shì)的又一示例。

【具體實(shí)施方式】

為了消除不相關(guān)詞匯對(duì)監(jiān)測(cè)方法的影響，以及能夠分析一個(gè)事件中各子事件對(duì)人們情緒的影響，提出了一個(gè)基于聚類的分析方法來(lái)對(duì)同現(xiàn)詞進(jìn)行評(píng)估，并利用情感計(jì)算領(lǐng)域的LIWC(Linguistic Inquiry and Word Count)詞典作為情感分析工具。以2011年日本地震、2010年海地地震和2009年甲型流感H1N1流行病三個(gè)突發(fā)事件作為示例，通過(guò)分析典型大眾媒介(如BBC)、專救援媒體(如ReliefWeb)和社交媒體(如Twitter)的內(nèi)容，來(lái)揭示人們?cè)谕话l(fā)事件期間的情感反應(yīng)模式，挖掘情感變化的原因。本發(fā)明的基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法，首先，從文章中提取了所有詞語(yǔ)，以天數(shù)為單位構(gòu)建詞語(yǔ)矩陣；其次，通過(guò)兩個(gè)詞語(yǔ)在同一句中是否同時(shí)出現(xiàn)測(cè)量它們的非對(duì)稱相似性。它們相關(guān)性越大，相近出現(xiàn)的概率就越大；接著，最大限度的使Q模塊化來(lái)對(duì)相似矩陣進(jìn)行聚類。在每個(gè)聚類集群中單詞被分為兩部分：(1)特定情節(jié)詞；(2)基于LIWC詞典分類的情緒相關(guān)詞。通過(guò)計(jì)算每個(gè)聚類集群中的情感詞來(lái)分析對(duì)于不同事件情節(jié)人們的情感反應(yīng)模式。以下通過(guò)實(shí)施例進(jìn)行詳細(xì)說(shuō)明。

實(shí)施例1、本實(shí)施例的基于聚類分析的突發(fā)事件在線群體行為監(jiān)測(cè)方法，參見圖1所示，包括下列主要步驟：

S101、從相應(yīng)媒介監(jiān)測(cè)事件相關(guān)的新聞文章、報(bào)道以及微博信息，將事件相關(guān)的數(shù)據(jù)以天數(shù)為單位分為文件夾D_i，i∈[1，maxD]，maxD表示文件夾總數(shù)； 每個(gè)D_i包括當(dāng)天大量新聞報(bào)道或者微博信息f_ij，即D_i＝{f_il，...，f_ij}，其中j∈[1，maxF(D_i)]，maxF(D_i)表示D_i中文章總數(shù)。

S102、為每個(gè)D_i構(gòu)建一個(gè)單詞矩陣M_i。

基于現(xiàn)有語(yǔ)義分析中的停用詞列表，首先，從D_i中移除了冗余單詞(如前置詞)。剩下的D_i中的詞形成一個(gè)矩陣M_i[N_Di][N_Di]，其中N_Di表示已經(jīng)移除停用詞后不同詞的總數(shù)；其次，計(jì)算M_i中的同現(xiàn)詞：對(duì)于D_i中的每一篇文章f_ij，如果兩個(gè)詞(如n_x，n_y)出現(xiàn)在同一句中，將執(zhí)行M_i[x][y]++；M_i[x][x]++；M_i[y][y]++。

S103、構(gòu)建聚類非對(duì)稱相似矩陣

計(jì)算M_i中單詞的非對(duì)稱相似性，非對(duì)稱相似矩陣定義為： 其中a表示系數(shù)參數(shù)。如果a＝1，則為科學(xué)計(jì)量學(xué)中的古典接近指數(shù)。需要注意的是如果較低，較高，且a＞＞1，則代表y一般相關(guān)于x，x屬于y的特殊相關(guān)子域。以兩組數(shù)據(jù)為例，在3月11日，“kill”和“earthquake”在M_i的第684行和第3行，當(dāng)α＝10時(shí)，這表示“kill”一般相關(guān)于“earthquake”。“kill”總是伴隨著“earthquake”發(fā)生。在原始數(shù)據(jù)中，在3月8號(hào)有8個(gè)報(bào)道包含“kill”，這些報(bào)道同時(shí)出現(xiàn)了“kill”和“earthquake”。

S104、基于將單詞的聚類小集群合并成大集群，進(jìn)而將單詞矩陣中的詞劃分成不同集群。

為了找出何種類型的詞會(huì)在描述一個(gè)事件時(shí)聚集在一起，我們需要識(shí)別每個(gè)事件對(duì)人類反應(yīng)的影響。Newman提出了一種基于模塊度Q的快速社團(tuán)檢測(cè)算法，定義為每個(gè)單詞最開始都被認(rèn)為是一個(gè)社團(tuán)，C_kl被定義為連接集群C_k和集群C_l單詞的邊緣部分，且這種貪婪算法通過(guò)不停將小集群合并成大集群使Q值最大化，每一步(每一次合并)最大化值為Q＝2(C_kl-a_ka_l)，其中當(dāng)Q達(dá)到最大值時(shí)，此時(shí)達(dá)到最好的分割。

基于矩陣每一個(gè)單詞都有一個(gè)集群ID，分到不同的集群C_k，從而獲得描述同一事件的不同單詞。而后，可以通過(guò)計(jì)數(shù)集群中同一類型的情感詞分析過(guò)去時(shí)間里人類反應(yīng)變化。

M_i中的詞被劃分成不同集群，即D_i可以進(jìn)一步表示為{C_i1，…，C_ip}，第i天有p個(gè)集群。

S105、基于所述的詞匯集群劃分，利用情感計(jì)算領(lǐng)域的LIWC詞典進(jìn)行情緒監(jiān)測(cè)，挖掘不同集群內(nèi)用戶行為和情緒變化原因。

一些描述同一情節(jié)的相關(guān)性大的詞將被聚集在一起。更具體的說(shuō)，基于LIWC詞典我們可以將一些C_ip中的情感詞提取出來(lái)。通過(guò)計(jì)算某一特定類型的情感詞數(shù)量，或者每個(gè)D_i中特定類型情感詞和同一類型中所有情感詞的比率，我們可以觀察出人們對(duì)一個(gè)突發(fā)事件的情緒反應(yīng)。例如我們可以通過(guò)從D_i的C_i{nuclear}中提取相關(guān)詞揭露人們對(duì)核危機(jī)的情緒反應(yīng)。

在具體監(jiān)測(cè)實(shí)例中，對(duì)于從BBC，ReliefWeb和Twitter中監(jiān)測(cè)的數(shù)據(jù)集的整體信息描述，參見圖2所示的從BBC和ReliefWeb中監(jiān)測(cè)的(a)每天的文章總數(shù)、(b)每天的詞匯總數(shù)、(c)每天文章的平均長(zhǎng)度和(d)刪除停用詞后剩下的詞匯數(shù)；參見圖3所示的(a)從Twitter中監(jiān)測(cè)的2011年3月日本地震事件發(fā)生時(shí)每天的推文數(shù)；(b)從ReliefWeb中監(jiān)測(cè)的2009年1月海地地震發(fā)生時(shí)每天的新聞報(bào)道數(shù)量；(c)從ReliefWeb中監(jiān)測(cè)的2009年4月至5月發(fā)生H1N1流感事件時(shí)每天的新聞報(bào)道數(shù)量；

基于LIWC字典對(duì)數(shù)據(jù)集中所有單詞進(jìn)行的情緒和認(rèn)知行為分類，參見圖4所示的在2011年3月日本地震期間從(a)BBC、(b)ReliefWeb和(c)Twitter中監(jiān)測(cè)的正向和負(fù)向情緒的動(dòng)態(tài)變化情況；參見圖5所示的2011年3月日本地震期間，從(a)BBC、(b)ReliefWeb和(c)Twitter中監(jiān)測(cè)的負(fù)向情緒的三種子情緒(恐懼焦慮、悲傷和憤怒)隨時(shí)間的動(dòng)態(tài)變化圖；參見圖6所示的Twitter上人群對(duì)2011年3月日本地震期間(a)人群三種感知反應(yīng)(視覺、聽覺和感覺)的變化圖，(b)三個(gè)社會(huì)關(guān)注問題(朋友、家庭和人類)的社交詞匯比例的變化圖；參見圖7 所示的從ReliefWeb中監(jiān)測(cè)的人群對(duì)于(a)2011年3月日本地震事件、(b)2010年1月海地地震事件和(c)2009年4月至5月期間H1N1流感事件的三種負(fù)向情緒(恐懼焦慮、悲傷和憤怒)的情緒詞比例變化圖；

本發(fā)明涉及的聚類分析法中，對(duì)于每天同一子類集群中情感詞比率變化的檢測(cè)和比較，參見圖8所示的2011年3月11日日本地震時(shí)BBC新聞產(chǎn)生的聚類結(jié)果層次結(jié)構(gòu)示例圖，圖中含有11個(gè)子類集群；

基于聚類分析法和LIWC字典對(duì)情緒詞的分類結(jié)果，首先，參見圖9所示的根據(jù)Reliefweb媒體信息監(jiān)測(cè)的(a)2011年3月日本地震期間“earthquake”子事件和(b)2009年4月至5月H1N1流感事件期間“swine flu”子事件人群的三種負(fù)向情緒(恐懼焦慮、悲傷和憤怒)的變化對(duì)比圖。通過(guò)圖9(a)與圖7(a)的對(duì)比，我們可以發(fā)現(xiàn)在日本地震期間，人群的恐懼焦慮情緒并非是由“earthquake”子事件造成；參見圖10所示的從BBC、ReliefWeb和Twitter中監(jiān)測(cè)的2011年3月日本地震期間，人群對(duì)“earthquake”和“nuclear”子事件的負(fù)向情緒的三種子情緒(恐懼焦慮、悲傷和憤怒)變化圖。對(duì)比圖5，本發(fā)明方法的優(yōu)勢(shì)在于：可以監(jiān)測(cè)出突發(fā)事件期間人們對(duì)每個(gè)子事件的態(tài)度和觀點(diǎn)，并解釋人群情緒波動(dòng)的具體原因是什么；其次，參見圖11所示的從BBC中監(jiān)測(cè)的2011年3月日本地震期間海嘯、地震和核危機(jī)的(a)“視覺(See)”和(b)“聽覺(Hear)”過(guò)程比較。對(duì)比圖8聚類分析結(jié)果，我們可以推斷出核泄漏危機(jī)的嚴(yán)重性；最后，參見圖12所示的從Twitter中監(jiān)測(cè)的(a)人群對(duì)于2011年3月日本地震期間“Libya”子事件的三種負(fù)向情緒(恐懼焦慮、悲傷和憤怒)的變化圖；(b)對(duì)于2011年3月日本地震期間海嘯、地震、核危機(jī)以及利比亞事件中，人群對(duì)于“Family”子類的詞匯數(shù)目變化圖。通過(guò)對(duì)比圖5(c)，可以進(jìn)一步解釋圖5(c)中憤怒情緒的變化；對(duì)比圖6(b)，進(jìn)一步解釋了圖6(b)中社會(huì)關(guān)注“Family”子類的變化原因。

這里本發(fā)明的描述和應(yīng)用都只是說(shuō)明性和示意性的，并非是想要將本發(fā)明的范圍限制在上述實(shí)施例中。這里所披露的實(shí)施例的變形和改變是完全可能的，對(duì)于那些本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，實(shí)施例的替換和等效的各種部件均是公知的。本領(lǐng)域技術(shù)人員還應(yīng)該清楚的是，在不脫離本發(fā)明的精神或本質(zhì)特征的 情況下，本發(fā)明可以以其它形式、結(jié)構(gòu)、布置、比例，以及用其它組件、數(shù)據(jù)源和部件來(lái)實(shí)現(xiàn)，以及在不脫離本發(fā)明范圍和精神的情況下，可以對(duì)這里所披露的實(shí)施例進(jìn)行其它變形和改變。