随着互联网技术的不断发展,新浪微博这种新型社交媒体深受广大网民的喜爱,成为日常生活中必不可少的一部分。微博每天产生大量的数据,尤其是热搜话题中隐藏着众多的信息。为了实现从海量的信息中了解信息间错综复杂的内在联系,知识图谱应运而生。知识图谱以语义化、结构化的方式对碎片化的信息知识进行管理,详细描述了微博热搜中的概念、实体及其间的关系。如何对微博热搜展开更深入的研究,从微博热搜内容及评论中的关键信息进行提取,利用所提取的知识及其联系建立知识图谱,形成具有丰富语义性的知识库是本文构建微博热搜知识图谱所要解决的主要问题。本文主要基于众包构建微博热搜知识图谱,使用众包标注技术识别命名实体以及实体间的关系,利用Neo4j图数据库存储构建知识图谱,同时提出了基于微博热搜知识图谱进行情感分析,为使用知识图谱进行舆情分析的可行性进行了探索。本文主要工作如下:(1)针对微博文本短小、语言不规范、噪声多以及中文微博语境更加复杂等特点,众包标注具有高效、成本低等优点。提出了基于众包标注的微博命名是实体识别方法。利用众包平台上大量的众包者来对命名实体进行高效的识别。首先在众包过程中对众包标注者的能力进行评估,确定每个标注者的能力值;然后使用最大期望值算法对评估得到的众包标注者的能力值以及评估过程中产生的临时标签进行分析学习,过滤掉其中的噪声;最后根据优化的众包标注者能力值对微博众包标记的结果进行纠偏,从而确定最后的标注结果。(2)实现了微博热搜知识图谱的构建并基于图数据库Neo4j进行存储。首先阐述了图形化数据库的相关概念,着重介绍了 Neo4j图数据库的相关优点与使用。然后使用Neo4j图数据完成了对微博热热搜知识图谱的构建,对知识图谱构建流程的可行性进行了验证。最后在构建好的微博热搜知识图谱的基础上,使用Cypher语言对知识图谱根据需求进行相关查询。(3)实现了对微博热搜知识图谱评论层进行情感分析。在构建好的微博热搜知识图谱的评论层,分别使用卷积神经网络结合循环神经网络的方法以及基于BERT的方法分别在微博热搜知识图谱的评论层进行情感分析,之后将两种方法进行对比分析。最后在知识图谱的基础上进行舆情分析。实验表明,通过本文所提出的方法,能够有效地构建微博热搜知识图谱,并且在知识图谱的基础上进行舆情分析。因此,本文对知识图谱以及舆情分析的发展具有一定的实践意义。图[35]表[11]参[56]