会话分析视角下非正式信息交流主题与主题簇演化分析

doi:10.13266/j.issn.0252-3116.2021.17.009

图书情报工作 ›› 2021, Vol. 65 ›› Issue (17): 91-100.DOI: 10.13266/j.issn.0252-3116.2021.17.009

会话分析视角下非正式信息交流主题与主题簇演化分析

王晓¹, 马超², 翟姗姗¹

1. 华中师范大学信息管理学院武汉 430079;
2. 浙江师范大学经济与管理学院金华 321004

收稿日期:2021-02-03 修回日期:2021-05-12 出版日期:2021-09-05 发布日期:2021-09-01
作者简介:王晓(ORCID:0000-0002-0509-7038),讲师,博士,E-mail:ray_wangx@ccnu.edu.cn;马超(ORCID:0000-0002-3425-993X),讲师,博士;翟姗姗(ORCID:0000-0002-2787-0183),副教授,博士。
基金资助:
本文系第68批中国博士后科学基金资助项目"基于社交媒体的突发事件事理图谱构建及风险预警研究"（项目编号：2020M682459）研究成果之一。

Evolutionary Analysis of Topic and Topic Clusters in Informal Communication from the Perspective of Conversation Analysis

Wang Xiao¹, Ma Chao², Zhai Shanshan¹

1. School of Information Management, Central China Normal University, Wuhan 430079;
2. College of Economic and Management, Zhejiang Normal University, Jinhua 321004

Received:2021-02-03 Revised:2021-05-12 Online:2021-09-05 Published:2021-09-01

摘要/Abstract

摘要： [目的/意义] 针对当前非正式信息交流主题演化研究在分析层次和测度指标两方面存在的局限，提出一种具有通用性的演化分析方法，从微观和中观层面探究主题演化特征与规律。[方法/过程] 引入会话分析理论，以新浪微博和知乎为例，通过对主题和主题簇运行过程进行分析，从会话内容和讨论方式两个维度揭示非正式信息交流演化特征与规律。同时，设计主题持续性计算判定方法，丰富主题演化的衡量标准。[结果/结论] 主题演化分析结果显示新浪微博和知乎意见群体的发文主题存在明显偏重，且表明了意见群体参与社会焦点事件讨论中观点的主要切入角度；主题簇演化分析发现了新浪微博意见群体在一定范围内发散探索多元主题、知乎意见群体始终关注聚焦核心主题的讨论特点。两个社交媒体中意见群体在会话内容和讨论方式方面的区别，喻示了新浪微博和知乎在网络环境的非正式信息交流中主要承担的角色差异。

关键词: 非正式信息交流, 主题演化, 主题簇, 会话分析

Abstract: [Purpose/significance] Aiming at the limitations of current informal communication topic evolution research in both analysis level and measurement indicators, a universal evolution analysis method is proposed to explore the characteristics and patterns of topic evolution from micro and medium levels.[Method/process] Introducing the conversation analysis theory, taking Sina Microblog and Zhihu as examples, this paper revealed the evolutionary characteristics and patterns of informal information communication from the two dimensions of conversation content and discussion style through the analysis of running process of topics and topic clusters. Meanwhile, this paper designed the method of calculating and judging the continuity of a topic and explored measurement standard of the topic evolution.[Result/conclusion] The topic evolution analysis results show that the opinion group from Sina Microblog and Zhihu are obviously biased in topic content, and indicate the main perspectives of opinion group participating in the discussion of social focus event. The topic cluster evolution analysis find out that opinion group from Sina Microblog diversify and explore multiple topics in a certain range, while those from Zhihu always focus on the settled core topics. The difference in conversation content and discussion style between opinion groups in social media indicates the different role of Sina Microblog and Zhihu in informal information communication online.

Key words: informal communication, topic evolution, topic cluster, conversational analysis

中图分类号:

G203

王晓, 马超, 翟姗姗. 会话分析视角下非正式信息交流主题与主题簇演化分析[J]. 图书情报工作, 2021, 65(17): 91-100.

Wang Xiao, Ma Chao, Zhai Shanshan. Evolutionary Analysis of Topic and Topic Clusters in Informal Communication from the Perspective of Conversation Analysis[J]. Library and Information Service, 2021, 65(17): 91-100.

参考文献

[1] 王臻皇, 陈思明, 袁晓如. 面向微博主题的可视分析研究[J]. 软件学报, 2018, 29(4):1115-1130.
[2] BEX R T, LUNDGREN L, CRIPPEN K J. Scientific Twitter:the flow of paleontological communication across a topic network[J/OL]. PLoS one, 2019, 14(7).[2021-05-06]. http://doi.org/10.1371/journal.pone.0219688.
[3] BOKAETF M H, SAMETI H, LIU Y. Unsupervised approach to extract summary keywords in meeting domain[C]//DUGELAY J L, SLOCK D. Proceedings of the 23rd European signal processing conference. Piscataway:IEEE, 2015:1406-1410.
[4] CHEN Y H, LU J L, MENG F T. Finding keywords in blogs:efficient keyword extraction in blog mining via user behaviors[J]. Expert systems with applications, 2014, 41(2):663-670.
[5] 谷莹, 李贺, 李叶叶, 等. 基于在线评论的企业竞争情报需求挖掘研究[J]. 现代情报, 2021, 41(1):24-31.
[6] 安璐, 李倩. 基于热点主题识别的突发事件次生衍生事件探测[J]. 情报资料工作, 2020, 41(6):26-35.
[7] ZHANG Y H, MAO W J, ZENG D, et al. Topic evolution modeling in social media short texts based on recurrent semantic dependent CRP[C]//BENJAMIN V, LI W F. Proceedings of 2017 IEEE international conference on intelligence and security informatics. Piscataway:IEEE.2017:119-124.
[8] 廖海涵, 王曰芬, 关鹏. 微博舆情传播周期中不同传播者的主题挖掘与观点识别[J]. 图书情报工作, 2018, 62(19):77-85.
[9] 梁晓贺, 田儒雅, 吴蕾, 等. 微博主题发现研究方法述评[J]. 图书情报工作, 2017, 61(14):141-148.
[10] 梁晓贺, 田儒雅, 吴蕾, 等. 基于超网络的微博相似度及其在微博舆情主题发现中的应用[J]. 图书情报工作, 2020, 64(11):77-86.
[11] SASAKI K, YISHIKAWA T, FURUHASHI T. Online topic model for Twitter considering dynamics of user Interests and topic trends[C]//MARTON Y. Proceedings of 2014 conference on empirical methods in natural language processing. Stroudsburg:ACL, 2014:1977-1985.
[12] LIU Y P, PENG H, LI J X, et al. Event detection and evolution in multi-lingual social streams[J/OL]. Frontiers of computer science, 2020, 14(5).[2021-05-06]. http://doi.org/10.1007/s11704-019-8201-6.
[13] DEHGHANI N, ASADPOUR M. SGSG:semantic graph-based storyline generation in Twitter[J]. Journal of information science, 2019, 45(3):304-321.
[14] GOYAL P, KAUSHIK P, GUPTA P, et al. Multilevel event detection, storyline generation, and summarization for Tweet streams[J]. IEEE transactions on computational social systems, 2020, 7(1):8-23.
[15] HUANG J J, PENG M, WANG H, et al. A probabilistic method for emerging topic tracking in microblog stream[J]. World Wide Web, 2017, 20(2):325-350.
[16] CAI H Y, HUANG Z, SRIVASTAVA D, et al. Indexing evolving events from Tweet streams[J]. IEEE transactions on knowledge and data engineering, 2015, 27(11):3001-3015.
[17] ABULAISH M, FAZIL M. Modeling topic evolution in Twitter:an embedding-based approach[J/OL]. IEEE access, 2018, 6.[2021-05-06]. http://doi.org/10.1109/ACCESS.2018.2878494.
[18] PRUSS D, FUJINUMA Y, DAUGHTON AR, et al. Zika discourse in the Americas:a multilingual topic analysis of Twitter[J/OL]. Plos one, 2019, 14(5).[2021-05-06]. http://doi.org/10.1371/journal.pone.0216922.
[19] 王臻皇, 陈思明, 袁晓如. 面向微博主题的可视分析研究[J]. 软件学报, 2018, 29(4):1115-1130.
[20] 刘雅姝, 张海涛, 徐海玲, 等. 多维特征融合的网络舆情突发事件演化话题图谱研究[J]. 情报学报, 2019, 38(8):798-806.
[21] SACKS H, SCHEGLOFF E A, JEFFORSON G. Simplest systematics for the organization of turn-talking for conversation[J]. Language, 1974, 50(4):696-735.
[22] 吴亚欣, 于国栋. 为会话分析正名[J]. 山西大学学报(哲学社会科学版), 2017, 40(1):85-90.
[23] 赵焱, 张旗伟, 徐蕊, 等. 超语及认同建构作为双语者的学习手段[J]. 现代外语, 2021(2):258-270.
[24] STOMMEL W, VAN GOOR H, SYOMMEL M. Other-attentiveness in video consultation openings:a conversation analysis of video-mediated versus face-to-face consultations[J]. Journal of computer-mediated communication, 2019, 24(6):275-292.
[25] AVISON D, BANKS P. Cross-cultural (mis)communication in IS offshoring:understanding through conversation analysis[J]. Journal of information technology, 2008, 23(4):249-268.
[26] 吴亚欣, 刘蜀. 请求行为之微妙性的序列组织研究[J]. 现代外语, 2020, 43(1):32-43.
[27] 彭欣, 张惟. 日常交谈中故事讲述的会话分析[J]. 山西大学学报(哲学社会科学版), 2019, 42(4):137-144.
[28] 卢恒, 张向先, 张莉曼, 等. 会话分析视角下虚拟学术社区用户交互行为特征研究[J]. 图书情报工作, 2020, 64(13):80-89.
[29] 巴志超, 李纲, 毛进, 等.微信群内部信息交流的网络结构、行为及其演化分析——基于会话分析视角[J]. 情报学报, 2018, 37(10):1009-1021.
[30] GU Y, LI X Y, HUANG K X, et al. Human conversation analysis using attentive multimodal networks with hierarchical encoder-decoder[C]//ACM. Proceedings of the 26th ACM multimedia conference. New York:ACM, 2018:537-545.
[31] HOUSLEY W, ALBERT S, STOKOE E. Natural action processing:conversation analysis and big interactional data[C]//ACM. Proceedings of the halfway to the future symposium. New York:ACM, 2019:1-4.
[32] KONO S, AIHARA K. Prototype of decision support based on estimation of group status using conversation analysis[C]//YAMAMOTO S. Proceedings of the 18th international conference on human-computer interaction. Berlin:Springer, 2016:40-49.
[33] 张星, 魏淑芬, 王莉, 等. 危机事件中的微博意见领袖影响因素实证研究[J]. 情报学报, 2015, 34(1):66-75.
[34] CUI L, PI D C. Identification of micro-blog opinion leaders based on user features and outbreak nodes[J]. International journal of emerging technologies in learning, 2017, 12(1):141-154.
[35] 安璐, 胡俊阳, 李纲. 突发事件情境下社交媒体高影响力用户画像研究[J]. 情报资料工作, 2020, 41(6):6-16.
[36] 郭晓利, 周自岚, 刘耀伟, 等. 基于DTS-ILDA模型和关联过滤的新闻话题演化分析[J]. 应用科学学报, 2017, 35(5):634-646.

会话分析视角下非正式信息交流主题与主题簇演化分析

Evolutionary Analysis of Topic and Topic Clusters in Informal Communication from the Perspective of Conversation Analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	郭宇, 张传洋, 张海涛, 于文倩. 危机管理视角下突发事件舆情主题演化与治理分析[J]. 图书情报工作, 2022, 66(8): 113-121.
[2]	崔旭, 杨煜, 李姗姗. 基于LDA模型的我国档案馆非物质文化遗产保护主题挖掘与演化分析——与非遗保护中心对比视角[J]. 图书情报工作, 2022, 66(23): 82-92.
[3]	梁爽, 刘小平. 基于文本挖掘的科技文献主题演化研究进展[J]. 图书情报工作, 2022, 66(13): 138-149.
[4]	丁敬达, 陈一帆, 刘超, 蔡微. 基于共词和Word2Vec加权向量的文献-主题语义匹配分析方法[J]. 图书情报工作, 2022, 66(12): 108-116.
[5]	翟姗姗, 王左戎, 陈欢, 潘港辉. 会话分析视角下的突发公共事件主题演化研究——以"新冠肺炎疫情"为例[J]. 图书情报工作, 2022, 66(11): 87-99.
[6]	马晓悦, 薛鹏珍, 陈忆金, 朱多刚. 社交媒体危机主题演化模型构建与趋势分析[J]. 图书情报工作, 2021, 65(13): 77-86.
[7]	王康, 高继平, 潘云涛, 陈悦. 多位态研究主题识别及其演化路径方法研究[J]. 图书情报工作, 2021, 65(11): 113-122.
[8]	张鑫, 文奕, 许海云, 刘忠禹. Prophet预测-修正的主题强度演化模型——以干细胞领域为实证[J]. 图书情报工作, 2020, 64(8): 78-92.
[9]	何琳, 乔粤, 刘雪琪. 春秋时期社会发展的主题挖掘与演变分析——以《左传》为例[J]. 图书情报工作, 2020, 64(7): 30-38.
[10]	岳丽欣, 周晓英, 陈旖旎. 期刊论文核心研究主题识别及其演化路径可视化方法研究——以我国医疗健康信息领域期刊论文为例[J]. 图书情报工作, 2020, 64(5): 89-99.
[11]	卢恒, 张向先, 张莉曼, 陶兴. 会话分析视角下虚拟学术社区用户交互行为特征研究[J]. 图书情报工作, 2020, 64(13): 80-89.
[12]	徐涵, 刘小平. 作者主题模型及其改进的方法与应用研究综述[J]. 图书情报工作, 2019, 63(7): 135-145.
[13]	郝晋清, 王珺. 主题-时序视域下中国图书馆学会年会主题分布及演化分析[J]. 图书情报工作, 2019, 63(2): 107-119.
[14]	王园园, 赵亚娟. 基于非负矩阵分解的技术主题演化分析[J]. 图书情报工作, 2018, 62(10): 94-105.
[15]	吴菲菲, 张亚茹, 黄鲁成, 李欣, 栾静静. 基于AToT模型的技术主题多维动态演化分析——以石墨烯技术为例[J]. 图书情报工作, 2017, 61(5): 95-102.