Prediction of Music Playback Based on Singer Popularity and Aspect-based Sentiment Analysis from Social Network

摘要

社群媒體網站提供了豐富且多樣性的資訊，使舆情分析與網路聲量偵測、輿情態度處理與解市場的方法之一。而上述的方法能夠為網路服務平台提供平台資訊以外的訊息，有助於解決意見傾向於特定平台的問題，使平台能夠獲得較客觀全面性的數據來進行分析與決策。然而，多半的社群媒體都還是以文字敘述為主，該如何將舆情分析的結果與文字訊息有效的轉化成數值資料，利於後續數據分析中是本研究關注的主題。本研究主軸設定在「歌曲網路聲量」以及「意見目標的情緒分析」兩項，並應用於「熱門歌曲預測」。在「歌曲網路聲量」的項目中，我們鎖定在華語區的歌手及歌曲，針對來自於「批踢踢 PTT 音樂坊」的社群媒體，來關注某首歌曲的網路聲量。藉由一句句子或語句內容可能會針對不同的意見目標（Target）來進行評論，造成模型情感標記的困難。因此本研究進一步採用「意見目標的情感分類（Aspect-based Sentiment Classification, ASC）」來對歌曲、歌曲相關的評論進行意見目標情感預測，在 ASC 的任務中使用運用不同的嵌入層方法，如 pre-train 好的 Word Embedding、Character embedding，以及 BERT框架字詞轉換成向量，並在這些不同嵌入層方法上，運用 Huang 等人的意見目標情感分類方法，以及運用 Parikh 等人的自然語言推論（Natural Language Inference）方法來對意見目標的進行情緒分析。據著運用訓練好的 Aspect 情感模型來對社群媒體評論進行舆情分析，並將分析結果加入平台的點播量資訊中，來預測歌曲的未來點播量。並在「熱門歌曲預測」的任務中運用類神經網路來設計預測模型，解決高維度的特徵資料；我們希望透過類神經網路來學習特徵之間的關係，藉此省去以往需要仰賴人工經驗、繁瑣的統計方法來進行特徵處理。實驗結果顯示，加入「歌曲網路聲量」以及「意見目標的情緒分析」有助於後續歌曲點播量提升的預測。