博文

【新智元笔记：再谈舆情的抽取挖掘】

已有 3540 次阅读 2016-1-25 16:56 |个人分类:立委科普|系统分类:教学心得| Analysis, 舆情, 挖掘, 抽取, sentiment

【立委按】本笔记以前反复论过（见文末的【相关】），也不妨再整理出来。有道是，重要的事情说三遍。其实，真正重要的论点岂止要三遍，要说n遍（n>3），不要怕车轱辘话。要喋喋不休，要苦口婆心，因为这是一个信息爆炸的时代，一个飞速旋转的世界，每个人都很匆忙，无数的碎片化信息每天冲击我们趋于麻痹的神经，任何缺乏冗余的信息，都容易被淹没忽略。

其实，前信息时代的伟人也不乏冗余大师。当年看马克思《资本论》，对老马以不同角度反复论证基本概念（商品，等价交换，价值与价格，劳动与剥削等）印象深刻。后来读乔姆斯基对美国外交政策的批判，也发现了他万变不离其宗的核心观点，冗余度令人惊诧。毛委员说，阶级斗争要年年讲月月讲天天讲，最后讲出了一个触及八亿人民灵魂殃及千万人的文化大革命，也算是一个信息传播的成功案例，尽管是后果严重的反面例子。

洪诗人云：伟爷勃发产量高，一连四篇似发镖。眼神身手不服老，设厂可研NLP炮！

白: 英语舆情咋说？和sentiment analysis可以划等号吗？

我: 原来就是这个术语，后来有其他的，譬如（public）opinion mining。严格说 sentiment analysis 属于抽取，opinion mining 属于挖掘。是两个层面，抽取层面面对的是语言的树，而挖掘层面面对的是语料库的语言之林。对于一颗颗语言的树，sentiment extraction 才是更准确的说法，不过大家都习惯了沿用 sentiment analysis，这个里面最多报道的工作实际是 sentiment classification，但classification只是sentiment analysis 的一个皮毛。

白: opinion mining太窄。

我: 舆情舆情，有舆有情，舆就是 public opinion，情才是 social sentiment, 后来为了统一在大家习惯的 sentiment 的 umbrella 下面，我们把情限定于 emotions 的表达，但 emotions 的表达只是一种情绪的挖掘，可以与 classification 较好对应，不管是分两种情绪（褒贬），三种情绪（褒贬中），还是四种情绪（喜怒哀乐），或 n 种，总之是 classification。但是 deep sentiment analysis 不能停留在情绪的 classification ，必须找到情绪背后的东西。

白: 涵盖不了隐含的对己有利或不利的客观中性叙述这种情况。

我: exactly，这就是为什么我们强调要挖掘情绪背后的理由，因为没有人只有情绪（喜欢不喜欢）和结论（采纳不采纳)，而永远不给理由的，因为前者仅仅是发泄，后者才是为了传达、说服或影响人的具体性的情报，所谓 actionable insights。也正因为此，我们发现 deep sentiment analysis 是 NLP 应用中最难啃的果子了，并不是很多人做了个 sentiment classifier 就可以声称能挖掘的舆情。

白: 比如下雨，有人盼，有人怕，所以opinion不能概括这种情况，可以forget it。

我: 任何一个话题，包括下雨，都可以挖掘出围绕这个话题的情绪、behavior（支持反对等）、好恶的理由（为什么盼它或怕它），只要公众有这种议论在。

白: 还是sentiment analysis好。

我: 挖掘的主要服务有二：一个是把这些情报统计出来，给出概貌，不管是制作成图表还是使用词云（word clouds）等可视化的表达。第二就是允许用户从这些情报开始做任意的 drill down 或顺藤摸瓜。很多时候我们只展示了前者，其实真正的价值在后面，因为后者才是系统真正的威力，前者不过是静态的报表而已。

雷: 情绪与具体论点对应。有多少论点，每个论点附着多少情绪。论点是干，情绪是枝叶。

我: 理由是论点，情绪是表象。

【相关】

【立委科普：自动民调】