网络舆情分析之利器
■王兰成 李晨昕
知识图谱（Knowledge Graph）是以知识域为研究对象，显示某种知识发展进程与结构关系的一种图像，具有“图”和“谱”的双重特征，表示知识单元之间交叉、互动、演化等多重复杂关系。《网络舆情知识图谱》（国防工业出版社）一书，围绕“知识图谱+”向大家介绍人工智能背景下知识图谱在网络舆情中的应用。
知识图谱技术是指知识图谱建立和应用的技术，是融合认知计算、知识表示与推理、信息检索与抽取、数据挖掘与机器学习等交叉研究，属于人工智能重要研究领域——知识工程的研究范畴。利用知识工程为大数据添加语义，使数据产生“智慧”，完成从数据到信息再到知识，最终到智能应用的转变过程，从而实现对大数据的洞察、提供决策支持、改进用户体验等目标。目前，知识图谱已经在知识融合、语义搜索推荐、问答与对话系统，以及大数据分析与决策等领域中，发挥着越来越重要的应用价值。
大数据时代，网络舆情管理更加复杂，知识分布更加分散，有效获取和精准研判更加困难。将知识图谱应用于舆情管理，可以简化热点事件的发现过程，提高热点事件的趋势分析能力，提升舆情管理的智能化水平。
书中，作者讲述了知识图谱在网络舆情领域的采集、分析和服务中的应用价值。在网络舆情采集中，构建知识图谱对舆情信息分类和画像，可以精准地确定采集方向，面向不同任务自动关联采集站点，确定数据格式和存储方式；在网络舆情分析中，知识图谱的运用主要集中在对舆情事件和用户的分析，构建知识图谱实现对舆情热点事件的发现和跟踪，从话题热度、用户活跃度和上网行为等多个方面进行可视化分析；在网络舆情服务中，构建知识图谱对重大主题舆情、舆情事件演变、关键组织和人物进行管理。
此外，书中对网络舆情话题内容、网民上网行为和用户影响力等给出了知识图谱的分析和展示。比如，分析网络中某话题的喜好，需要我们对话题进行抽象概括，即关联、归类相似话题，形成舆情话题的体系。该体系的构建，一方面可以分析网络用户对某话题的喜好程度，另一方面可以辅助筛选关联相关话题。构建完成后还需人工整理，通过话题范畴划分层级，并补充整理一些同属领域的其他话题内容，以完善整个话题体系。这个话题体系，本质上就是一个舆情话题图谱，图谱中每一个实体便是一个话题，话题和话题之间存在上下位关系，同级话题之间保持着一定的关联度。
基于知识图谱的舆情热点事件，分析流程如下：一是话题识别，就是从用户的输入语句中提取有效的话题信息；二是候选话题生成，就是利用知识图谱进行话题关联，增加有效交互和对话持续性；三是候选话题排序，就是通过若干特征对候选话题加权排序，选出关联性最强的话题；四是回复生成，基于关联话题，结合用户、热点信息和有关语料生成回复。
书中指出，知识图谱通过统计和分析，可以发掘领域研究的热点和前沿，并结合图谱可视化分析进行全景式展示。在军事情报分析中，一个基于知识图谱的信息系统，可以对人员、装备、事件进行全面的监控分析，支持相关人员第一时间掌握战场态势并作出预判；在指挥系统中，一个基于知识图谱的数据模型方案，可实现指挥领域知识的关联、整合与可视化，从而为指挥决策提供高效服务。
该书还介绍了多学科开展网络舆情知识图谱研究的潜力和优势。客观研判网络舆情离不开情报学，科学指导舆情研究离不开管理学，精准引导热点话题离不开传播学，分析追踪舆情事件离不开信息学。因此，我们需要综合运用多学科的研究方法，推进网络舆情知识图谱融合研究，以达到最大效能。
