基于内容挖掘的话题微博情感分析研究

发布时间：2017-04-19 21:14

  本文关键词：基于内容挖掘的话题微博情感分析研究，由笔耕文化传播整理发布。

【摘要】：微博作为新兴的社交网络媒体,凭借其发布的便捷性、阅读的及时性,成为了人们获取信息与对外交流的主要媒介。微博含有多个话题,其中包含了许多有价值的信息。对这些话题微博进行情感分析,可以进行辅助政府进行网络舆情监控,可以给企业提供产品改进建议、帮助其维护客户关系、微博营销与危机应对等等。因此话题微博的情感分析逐渐成为了研究新热点。话题微博情感分析一般包括三个任务：一为主客观微博识别；二为微博情感倾向性分析；三为评价对象抽取。但在实际研究中,课题组发现话题微博的情绪研究可以更为准确地表达用户的情感,因此本文主要针对话题微博的主客观识别、情感倾向性分析和情绪分析三个任务进行深入研究。在主客观微博识别任务中,本文首先对主客观微博定义进行了详细描述,提出了基于SVM模型的主客观微博识别的方法,在深入分析语料的基础上,尝试从句式、句法以及隐性结构三个方面选择特征来表示微博；之后使用NLPCC 2012提供的评测语料进行SVM模型的训练与测试,得到主客观微博识别的准确率达到87%以上,召回率达到79%以上；并在特征选择相同的情况下,本文提出的方法的结果优于CRFs模型,验证了本文提出方法的有效性和优越性。在话题微博的情感倾向性分析任务中,本文首先提出了基于SVM模型的微博情感倾向性分析方法,并尝试将情感特征、句内特征和句间特征结合起来表示微博,之后将提出的方法应用到COAE2014评测任务中文微博情感倾向性分析中,在评测中取得了准确率第一的成绩,其中模型的准确率达到了96.1%,召回率达到44.2%,F为60.1%。在话题微博情绪分析任务中,本文首先尝试结合心理学、汉语语言学来将微博情绪划分为“喜”、“怒”、“哀”、“惧”、“恶”五大类别,然后完善了大连理工大学的情感词汇本体,并深入分析话题微博情绪特征的基础上,提出了基于SVM模型的情绪分析方法；最后使用NLPCC2013提供的情绪语料进行测试,验证了本文提出情绪分析方法的有效性和构建语料库的科学性。
【关键词】：话题微博 情感倾向性 SVM 主观微博 情绪分析 内容挖掘
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：G206
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 1 绪论9-15
• 1.1 研究背景9-11
• 1.2 研究意义11-12
• 1.3 研究内容12-13
• 1.4 论文的组织结构13-15
• 2 相关理论及研究现状分析15-28
• 2.1 话题微博情感分析研究现状15-23
• 2.1.1 微博情感倾向性分析研究现状15-18
• 2.1.2 主客观文本识别研究现状18-20
• 2.1.3 微博情绪分析研究现状20-23
• 2.2 SVM模型及开源工具23-25
• 2.2.1 SVM模型23-25
• 2.2.2 LibSVM开源工具25
• 2.3 文本分类性能评价指标25-27
• 2.3.1 性能评价的基本指标25-26
• 2.3.2 性能评价的综合指标26-27
• 2.4 本章小结27-28
• 3 微博情感分析相关词典构建28-35
• 3.1 微博情感词典构建28-29
• 3.2 微博情绪本体构建与完善29-30
• 3.3 微博情感分析其他相关词典30-34
• 3.4 本章小结34-35
• 4 主客观微博识别35-48
• 4.1 主客观微博定义35
• 4.2 主客观微博识别实验方案设计35-37
• 4.3 主客观微博识别特征分析与计算37-41
• 4.4 主客观微博识别实验41-47
• 4.4.1 实验语料41-42
• 4.4.2 实验过程42-45
• 4.4.3 实验结果及分析45-47
• 4.5 本章小结47-48
• 5 微博情感倾向性分析48-60
• 5.1 微博情感倾向分析实验方案设计48-50
• 5.2 微博情感倾向特征分析与计算50-53
• 5.3 微博情感倾向性分析实验53-59
• 5.3.1 实验语料53
• 5.3.2 实验过程53-57
• 5.3.3 实验结果及分析57-59
• 5.4 本章小结59-60
• 6 微博情绪分析60-71
• 6.1 情绪类别划分60-62
• 6.1.1 情感与情绪的区别60-61
• 6.1.2 基于情绪本体的情绪类别划分61-62
• 6.2 微博情绪分析实验方案设计62-64
• 6.3 微博情绪分类语料库构建64-66
• 6.3.1 情绪微博提取64
• 6.3.2 情绪分类标注实验64-65
• 6.3.3 情绪分类标注实验结果及分析65-66
• 6.4 微博情绪特征分析与计算66-67
• 6.5 微博情绪分类实验67-70
• 6.5.1 实验过程67
• 6.5.2 实验结果及分析67-68
• 6.5.3 微博情绪分析方法验证68-70
• 6.6 本章小结70-71
• 7 总结和展望71-74
• 7.1 总结71-72
• 7.2 存在的问题和未来展望72-74
• 致谢74-75
• 参考文献75-80
• 附录80

【引证文献】

中国重要会议论文全文数据库 前1条

1 许小颖;陶建华;;汉语情感系统中情感划分的研究[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

  本文关键词：基于内容挖掘的话题微博情感分析研究，，由笔耕文化传播整理发布。

本文编号：317134