本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，涉及用戶畫像技術(shù)，具體是一種基于微博文本的人物性格刻畫方法。

背景技術(shù)：

隨著網(wǎng)民規(guī)模的不斷增大，社會(huì)化媒體也得到迅速發(fā)展。以論壇、微博、微信為代表的社會(huì)化媒體逐漸滲透到全民生活和工作的每一個(gè)層面，對(duì)人們的行為模式、心理模式產(chǎn)生了極為深遠(yuǎn)的影響。社會(huì)化媒體每天都會(huì)產(chǎn)生大量的短文本，在一定程度上反映人物的特征。通過刻畫人物的特征，人們一方面可以了解社會(huì)化媒體中人物的個(gè)人偏好，根據(jù)個(gè)人偏好，企業(yè)通過社會(huì)化媒體給相關(guān)群體推薦產(chǎn)品，增加企業(yè)的效益。另一方面，人們可以了解社會(huì)化媒體中，針對(duì)某一事件的意見領(lǐng)袖、輿論煽動(dòng)者，以及一些潛在的具有巨大影響力的用戶的影響，這對(duì)政府相關(guān)部門的輿情監(jiān)控有著非常重要的作用。

刻畫人物性格是人物畫像的一方面，對(duì)社會(huì)化媒體輿情監(jiān)控、社會(huì)化媒體營(yíng)銷等方面有著重要的作用，已經(jīng)成為當(dāng)前研究的重點(diǎn)。

現(xiàn)有技術(shù)都是使用傳統(tǒng)的實(shí)證研究方法來刻畫人物性格，如問卷調(diào)查、訪談等。傳統(tǒng)的實(shí)證研究需要投入大量的人力、物力、財(cái)力來分析人物性格，具有一定的局限性，主要體現(xiàn)在以下三個(gè)方面：1)傳統(tǒng)的實(shí)證方法需要經(jīng)過長(zhǎng)時(shí)間的調(diào)查或訪談來采集數(shù)據(jù)；2)通過調(diào)查或訪談采集的數(shù)據(jù)的可用性較低，存在大量的無效數(shù)據(jù)；3)傳統(tǒng)的調(diào)查研究無法保證所采集數(shù)據(jù)的真實(shí)性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)輿情監(jiān)控以及社會(huì)化營(yíng)銷對(duì)人物性格刻畫的需求，為了解決傳統(tǒng)調(diào)查研究帶來的成本高、數(shù)據(jù)可用性低等困難，規(guī)避被調(diào)查者填寫不真實(shí)信息的情況，借助當(dāng)前普及的社會(huì)化媒體，提出了一種基于微博文本的人物性格刻畫方法。

具體步驟如下：

步驟一、針對(duì)某個(gè)用戶，利用情緒詞典對(duì)該用戶在某段時(shí)間內(nèi)發(fā)的每一條微博文本標(biāo)注情緒標(biāo)簽。

情緒詞典包括高興、生氣、悲傷、厭惡和焦慮五種情緒。

首先，計(jì)算每一條微博文本屬于某種情緒的權(quán)重w_sentiment；

計(jì)算如下：

$w\_sentiment=\underset{word}{\Σ}w\_s*count\left(word\right)$

w_s表示某條微博文本中的詞語word在情緒詞典中對(duì)應(yīng)的權(quán)重；詞語word是指情緒詞典中某種情緒包括的具體體現(xiàn)詞；count(word)表示該詞語word在某條微博文本中出現(xiàn)的頻數(shù)。

比較每一條微博文本在五類情緒下的權(quán)重，取權(quán)重最高的情緒作為該微博文本的情緒標(biāo)簽。

步驟二、根據(jù)情緒標(biāo)簽，統(tǒng)計(jì)該用戶每天沖動(dòng)類和抑郁類情緒的數(shù)量；

沖動(dòng)類包括生氣和厭惡兩種情緒，抑郁類包括悲傷和焦慮兩種情緒；

步驟三、根據(jù)該用戶沖動(dòng)類和抑郁類情緒的數(shù)量，計(jì)算該用戶沖動(dòng)類情緒的主導(dǎo)天數(shù)以及抑郁類情緒的主導(dǎo)天數(shù)；

步驟301、計(jì)算該用戶沖動(dòng)類和抑郁類情緒的微博數(shù)量之和，占該用戶當(dāng)天發(fā)的所有微博總數(shù)的比例；

步驟302、判斷步驟301的占比是否大于等于閾值R，如果是，進(jìn)入步驟303，否則，不做任何處理；

閾值R根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟303、將該用戶沖動(dòng)類情緒占比與抑郁類情緒的占比作差；

步驟304、判斷得到的差值絕對(duì)值是否大于等于閾值M，如果是，進(jìn)入步驟305；否則，不做任何處理；

閾值M根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟305、判斷沖動(dòng)類情緒占比是否大于抑郁類情緒占比，如果是，將該用戶沖動(dòng)類情緒的天數(shù)累加1天；否則，將該用戶抑郁類情緒的天數(shù)累加1天。

步驟四、根據(jù)該用戶沖動(dòng)類情緒的主導(dǎo)天數(shù)以及抑郁類情緒的主導(dǎo)天數(shù)，從情緒特征角度對(duì)用戶進(jìn)行標(biāo)記；

具體為：對(duì)于沖動(dòng)類情緒主導(dǎo)天數(shù)大于抑郁類情緒主導(dǎo)天數(shù)的情況，判斷沖動(dòng)類情緒主導(dǎo)天數(shù)是否大于或等于閾值D，如果是，則標(biāo)記該用戶為“易沖動(dòng)”；否則，標(biāo)記該用戶為“情緒穩(wěn)定”；

閾值D根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

對(duì)于抑郁類情緒主導(dǎo)天數(shù)大于沖動(dòng)類情緒主導(dǎo)天數(shù)的情況，判斷抑郁類情緒主導(dǎo)天數(shù)是否大于或等于閾值D，如果是，則標(biāo)記該用戶為“易抑郁”，否則，則標(biāo)記該用戶為“情緒穩(wěn)定”。

當(dāng)沖動(dòng)類情緒主導(dǎo)天數(shù)等于抑郁類情緒主導(dǎo)天數(shù)，標(biāo)記該用戶為“情緒穩(wěn)定”。

步驟五、利用話題詞典對(duì)該用戶的所有微博文本進(jìn)行關(guān)注話題分類，并選擇該用戶的關(guān)注話題；

話題詞典有政治類、民生類、軍事類、娛樂類和體育類。

首先，計(jì)算用戶的微博文本所涉及各種類型的話題的權(quán)重公式w_topic，如下：

$w\_topic=\underset{word}{\Σ}w\_t*count\left(word\right)$

w_t表示某個(gè)用戶在某段時(shí)間內(nèi)發(fā)布的所有微博文本中的詞語word在話題詞典中對(duì)應(yīng)的權(quán)重；

針對(duì)某個(gè)用戶，分別計(jì)算該用戶在某段時(shí)間內(nèi)發(fā)布的所有微博涉及的五種話題的權(quán)重，然后，對(duì)五種話題的權(quán)重進(jìn)行排序，取權(quán)重較高的前N個(gè)話題作為該用戶微博文本所關(guān)注的話題；N大于等于1，小于等于3。

步驟六、判斷該用戶選取的關(guān)注話題中，是否包括政治類和民生類，如果有，利用批判性詞典對(duì)該用戶進(jìn)行語言特征刻畫；否則，不做任何處理。

批判性詞典包括的詞語為表達(dá)諷刺、批評(píng)語氣的詞語。

具體為：統(tǒng)計(jì)該用戶在某段時(shí)間內(nèi)發(fā)布的所有微博文本，計(jì)算微博文本中出現(xiàn)的批判性詞典中包括的詞語，判斷出現(xiàn)不同詞語的個(gè)數(shù)是否大于或等于閾值K，如果是，將該用戶標(biāo)記為“批判型”，否則，將用戶標(biāo)記為“其他”。

閾值K根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟七、融合該用戶的情緒特征和語言特征刻畫該用戶的性格，得到該用戶的人物性格標(biāo)簽；

具體融合方法如下：

最終得到的人物性格標(biāo)簽有“急躁型”、“悲觀型”、“批判型”、“沖動(dòng)型”、“抑郁型”和“穩(wěn)定型”。

本發(fā)明的優(yōu)點(diǎn)是：

1)、一種基于微博文本的人物性格刻畫方法，適用于對(duì)微博中人物性格特征刻畫和分析，在輿情監(jiān)控、人物屬性刻畫和信息傳播擴(kuò)散等領(lǐng)域有重要的應(yīng)用價(jià)值。

2)、一種基于微博文本的人物性格刻畫方法,具有高效性和易用性，能夠?qū)ηЪ?jí)規(guī)模的人物進(jìn)行性格刻畫。

3)、一種基于微博文本的人物性格刻畫方法，能降低傳統(tǒng)調(diào)查研究在人力、物力、財(cái)力等方面的成本，而且能較好地規(guī)避調(diào)查信息不真實(shí)的情況。

附圖說明

圖1為本發(fā)明基于微博文本的人物性格刻畫方法的流程圖；

圖2是本發(fā)明計(jì)算用戶沖動(dòng)類情緒以及抑郁類情緒的主導(dǎo)天數(shù)的流程圖。

具體實(shí)施方式

下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。

本發(fā)明研究基于微博文本的人物性格刻畫的用戶畫像技術(shù)，考慮微博中人們的用語和用詞習(xí)慣，建立情緒和話題的詞典，從情緒和語言兩個(gè)角度對(duì)人物的性格特征進(jìn)行刻畫，再融合這兩個(gè)角度的特征得到人物的性格特征。首先對(duì)微博文本進(jìn)行情緒分類，以天為單位統(tǒng)計(jì)情緒的數(shù)量和波動(dòng)特征，再根據(jù)這些特征從情緒角度刻畫人物性格。與此同時(shí)，根據(jù)話題詞典對(duì)人物的微博文本進(jìn)行話題分類，選取關(guān)注政治類和民生類話題的用戶；利用詞典對(duì)關(guān)注政治類和民生類話題的人物進(jìn)行語言特征的分析，以此刻畫人物性格。最后，綜合情緒和語言角度得到的性格，對(duì)人物的總體性格特征進(jìn)行刻畫。

如圖1所示，具體實(shí)施步驟如下：

步驟一、針對(duì)某個(gè)用戶，利用情緒詞典對(duì)該用戶在某段時(shí)間內(nèi)發(fā)的每一條微博文本標(biāo)注情緒標(biāo)簽。

情緒詞典主要包括高興、生氣、悲傷、厭惡和焦慮五種情緒。根據(jù)詞典對(duì)微博文本進(jìn)行情緒分類，主要是通過計(jì)算每一條微博文本屬于上述五類情緒的權(quán)重。該權(quán)重是某類情緒出現(xiàn)在文本中詞語的權(quán)重總和，每一條微博文本屬于某類情緒的權(quán)重w_sentiment，計(jì)算公式如下所示：

$w\_sentiment=\underset{word}{\Σ}w\_s*count\left(word\right)$

其中，w_s表示某條微博文本中的詞語word在情緒詞典中對(duì)應(yīng)的權(quán)重，count(word)表示詞語word在某條微博文本中出現(xiàn)的頻數(shù)。

例如：表示高興情緒的詞語有：哈哈，呵呵，嘻嘻，開心等；

針對(duì)某條微博，根據(jù)“哈哈”在情緒詞典中對(duì)應(yīng)的權(quán)重w_s，與“哈哈”在該微博文本中出現(xiàn)的頻數(shù)相乘，同理分別計(jì)算“呵呵”“嘻嘻”和“開心”等詞，將每個(gè)詞語權(quán)重與頻數(shù)的乘積再相加，最終得到該微博文本屬于高興情緒的權(quán)重；

最后，比較每一條微博文本在這五類情緒下的權(quán)重，取權(quán)重最高的情緒作為該微博文本的情緒標(biāo)簽。

本步驟的偽代碼如下所示：

for weibo_text in所有微博:

for sentiment_type in[高興,生氣,悲傷,厭惡,焦慮]:

total_weight＝∑w*count(word)

sentiment_type＝max(total_weight)；

步驟二、根據(jù)情緒標(biāo)簽，統(tǒng)計(jì)該用戶每天沖動(dòng)類和抑郁類情緒的數(shù)量；

根據(jù)上一步驟情緒分類的結(jié)果，按人和時(shí)間為組織單位，計(jì)算每人每天沖動(dòng)類和抑郁類情緒的數(shù)量；沖動(dòng)類包括生氣和厭惡兩種情緒，抑郁類包括悲傷和焦慮兩種情緒。

步驟三、根據(jù)該用戶沖動(dòng)類和抑郁類的數(shù)量，計(jì)算該用戶沖動(dòng)類情緒的主導(dǎo)天數(shù)以及抑郁類情緒的主導(dǎo)天數(shù)；

根據(jù)上一步驟統(tǒng)計(jì)的結(jié)果，比較沖動(dòng)類和抑郁類情緒的數(shù)量，按人按天比較情緒的數(shù)量和波動(dòng)性。

首先，比較沖動(dòng)類和抑郁類情緒的數(shù)量之和與其他情緒的數(shù)量，用沖動(dòng)類和抑郁類情緒的微博數(shù)量和該用戶當(dāng)天所發(fā)的微博總數(shù)之比來衡量。本步驟中設(shè)置一個(gè)閾值R，對(duì)于占比大于或等于閾值R的情況，再計(jì)算沖動(dòng)類情緒和抑郁類情緒的數(shù)量占比的差值，如果該差值大于或等于閾值M，若沖動(dòng)類情緒數(shù)量大于抑郁類情緒數(shù)量，則該用戶沖動(dòng)類情緒的天數(shù)累加1天，若抑郁類情緒數(shù)量大于沖動(dòng)類情緒數(shù)量，則該用戶抑郁類情緒的天數(shù)累加1天。如果占比小于閾值R或沖動(dòng)類和抑郁類情緒數(shù)量差值小于閾值M，則不做任何處理。

如圖2所示，具體步驟如下：

步驟301、計(jì)算該用戶沖動(dòng)類和抑郁類情緒的微博數(shù)量之和，占該用戶當(dāng)天發(fā)的所有微博總數(shù)的比例；

步驟302、判斷步驟301的占比是否大于等于閾值R，如果是，進(jìn)入步驟303，否則，不做任何處理；

閾值R根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟303、將該用戶沖動(dòng)類情緒占比與抑郁類情緒的占比作差；

步驟304、判斷得到的差值絕對(duì)值是否大于等于閾值M，如果是，進(jìn)入步驟305；否則，不做任何處理；

閾值M根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟305、判斷沖動(dòng)類情緒占比是否大于抑郁類情緒占比，如果是，將該用戶沖動(dòng)類情緒的天數(shù)累加1天；否則，將該用戶抑郁類情緒的天數(shù)累加1天。

步驟四、根據(jù)該用戶沖動(dòng)類情緒的主導(dǎo)天數(shù)以及抑郁類情緒的主導(dǎo)天數(shù)，從情緒特征角度對(duì)用戶進(jìn)行標(biāo)記；

根據(jù)上一步驟計(jì)算出的結(jié)果，每一個(gè)用戶都有兩個(gè)特征值：一個(gè)是沖動(dòng)類情緒主導(dǎo)天數(shù)，另一個(gè)是抑郁類情緒主導(dǎo)天數(shù)；根據(jù)情緒特征進(jìn)行情緒類性格刻畫。

本步驟中設(shè)置一個(gè)天數(shù)閾值D，對(duì)于沖動(dòng)類情緒主導(dǎo)天數(shù)大于抑郁類情緒主導(dǎo)天數(shù)的情況，如果沖動(dòng)類情緒主導(dǎo)天數(shù)大于或等于閾值D，則標(biāo)記該用戶為“易沖動(dòng)”，否則，沖動(dòng)類情緒主導(dǎo)天數(shù)小于閾值D，標(biāo)記該用戶為“情緒穩(wěn)定”；

對(duì)于抑郁類情緒主導(dǎo)天數(shù)大于沖動(dòng)類情緒主導(dǎo)天數(shù)的情況，如果抑郁類情緒主導(dǎo)天數(shù)大于或等于閾值D，則標(biāo)記該用戶為“易抑郁”，否則，如果抑郁類情緒主導(dǎo)天數(shù)小于閾值D，則標(biāo)記該用戶為“情緒穩(wěn)定”。

當(dāng)沖動(dòng)類情緒主導(dǎo)天數(shù)等于抑郁類情緒主導(dǎo)天數(shù)，標(biāo)記該用戶為“情緒穩(wěn)定”。

本步驟從情緒特征角度將每個(gè)用戶分為“易沖動(dòng)”、“易抑郁”和“情緒穩(wěn)定”三種性格特征。

步驟五、利用話題詞典對(duì)該用戶的所有微博文本進(jìn)行關(guān)注話題分類，并選擇該用戶的關(guān)注話題；

根據(jù)話題詞典對(duì)關(guān)注話題分類：政治類、民生類、軍事類、娛樂類和體育類。

以用戶為單位，統(tǒng)計(jì)該用戶微博文本中出現(xiàn)的各類關(guān)注話題的詞語；

每個(gè)用戶關(guān)注各種類型的話題的權(quán)重w_topic計(jì)算公式如下：

$w\_topic=\underset{word}{\Σ}w\_t*count\left(word\right)$

w_t表示某個(gè)用戶在某段時(shí)間內(nèi)發(fā)布的所有微博文本中的詞語word在話題詞典中對(duì)應(yīng)的權(quán)重；

例如：表示民生類的詞語有：衣、食、住、行、就業(yè)、娛樂、家庭、社團(tuán)、公司、旅游等；

針對(duì)某個(gè)用戶在某段時(shí)間內(nèi)發(fā)布的所有微博，根據(jù)“衣”在話題詞典中對(duì)應(yīng)的權(quán)重w_s，與在所有微博文本中出現(xiàn)的頻數(shù)相乘，同理分別計(jì)算其他詞語的權(quán)重與頻數(shù)的乘積，最后將所有乘積相加，得到民生類話題的權(quán)重；

針對(duì)某個(gè)用戶，對(duì)計(jì)算出的五類話題權(quán)重進(jìn)行排序，取權(quán)重較高的前N個(gè)話題類別作為該用戶的關(guān)注話題；N大于等于1，小于等于3。

步驟六、判斷該用戶選取的關(guān)注話題中，是否包括政治類和民生類，如果有，利用批判性詞典對(duì)該用戶進(jìn)行語言特征刻畫；否則，不做任何處理。

批判性詞典包括的詞語為：我暈、糊涂、無恥等表達(dá)諷刺、批評(píng)語氣的詞語。

根據(jù)上一步驟的結(jié)果，選出關(guān)注政治類、民生類的微博用戶，利用批判性詞典對(duì)該用戶進(jìn)行語言特征的分析。具體為：統(tǒng)計(jì)該用戶在某段時(shí)間內(nèi)發(fā)布的所有微博文本，計(jì)算微博文本中出現(xiàn)的批判性詞典中包括的不同詞語的數(shù)量，判斷出現(xiàn)不同詞語的數(shù)量是否大于或等于閾值K，如果是，將該用戶標(biāo)記為“批判型”，否則，將出現(xiàn)不同詞語數(shù)量小于閾值K的用戶標(biāo)記為“其他”。

例如：某段微博文本出現(xiàn)了2次“我暈”，3次“糊涂”和1次“無恥”，則該段微博文本出現(xiàn)不同的詞語數(shù)為3個(gè)；

閾值K根據(jù)專家經(jīng)驗(yàn)設(shè)定，或者根據(jù)微博文本數(shù)據(jù)的統(tǒng)計(jì)數(shù)量得到的經(jīng)驗(yàn)值。

步驟七：融合該用戶的情緒特征和語言特征刻畫該用戶的性格，得到該用戶的人物性格標(biāo)簽；

本步驟是將根據(jù)情緒特征和語言特征刻畫的人物性格結(jié)果進(jìn)行融合。采用的組合方法如下表所示。

最終得到的人物性格標(biāo)簽有“急躁型”、“悲觀型”、“批判型”、“沖動(dòng)型”、“抑郁型”、“穩(wěn)定型”。

本發(fā)明鑒于微博文本的口語化、實(shí)時(shí)性等特征，利用通過微博文本學(xué)習(xí)得到的詞典，對(duì)人物所發(fā)的微博文本進(jìn)行情緒分類，并根據(jù)情緒數(shù)量和波動(dòng)特征對(duì)人物性格進(jìn)行刻畫。同時(shí)，對(duì)人物關(guān)注的話題進(jìn)行劃分，并根據(jù)人物關(guān)注的話題對(duì)人物性格進(jìn)行刻畫。最后，融合情緒特征和語言特征兩個(gè)維度的結(jié)果刻畫人物性格?？紤]人物在微博文本中的用語習(xí)慣，從詞典角度出發(fā)，考慮人物的情緒和關(guān)注的話題，對(duì)千級(jí)規(guī)模的人物進(jìn)行性格刻畫，具有高效性、魯棒性和易用性等特點(diǎn)。