面向中文微博文本的情感分类研究

发布时间：2019-07-18 05:52

【摘要】：随着网络媒体的迅猛发展，以微博为代表的信息发布与信息共享平台得到了普遍应用。在微博平台中包含着表明用户观点或态度的主观情感倾向性文本，主观情感倾向性微博在舆情监控、热点检测等领域具有潜在的应用价值。如何从微博中自动识别表明用户观点的主观微博文本，并判断该主观微博的情感倾向性成为本文研究的目的。本文以中文微博情感分类为主线，展开了如下研究工作： (1)对微博情感词典的构建方法进行了研究。首先对现有情感词典在微博情感分类中的适用性进行了分析，，针对现有情感词典对微博中情感词覆盖度不高的问题，整合现有情感词典资源并提出了一种基于平滑的SO-PMI算法对微博情感词典进行了构建，最后对微博情感词典在微博情感分类中的分类性能进行了实验。实验结果表明，本文方法构建的微博情感词典在微博情感分类中具有较好的适用性。 (2)对主客观微博文本的分类进行了研究。针对现有主客观微博文本分类准确率不高的问题，利用词典与统计分析的方法对候选主观特征进行了抽取，对抽取的候选主观特征，提出了一种基于粗糙集与概率加权的特征选择算法，通过该算法选取了观点词、感叹号、网络词、语气词、形容词、程度词作为主客观分类特征，最后利用上述特征进行主客观分类实验。实验结果表明，上述特征在微博主客观分类中能达到较好的分类效果。 (3)对主观微博文本的情感特征选择进行了研究。首先通过候选情感特征词性表对候选情感特征进行了抽取，并采用微博情感词典对候选情感特征中的非情感噪音词进行过滤；然后，采用卡方(CHI)算法对过滤后的候选情感特征词进行情感特征选择，对卡方算法在进行情感特征选择时存在的局部不稳定性，提出了一种基于CHI-tfidf的情感特征选择算法，最后，进行相关实验，对算法的稳定性与有效性进行了验证。实验结果表明，本文提出的算法在进行情感特征选择时具有较好的稳定性，且当特征维数为300时，分类的准确率为0.794，较信息增益算法、基于微博情感词典的分类算法准确率要高。
文内图片： 010~2013中国微博用户规模及增长趋势

图片说明：络的快速发展，人们获取信息的方式发生了巨大的改变。广播、电视等成为人们获取信息的重要渠道。然而，社交外一种获取信息的便捷方式，人们可以通过网络获取自己点信息等。与传统媒体被动的接受信息方式相比，网络媒有主动性。不仅如此，互联网上庞大的信息量及快速的传大网民的青睐，网络媒体逐渐成为人们获取信息、传播信中，以微博为代表的信息发布与信息交流平台得到了普遍[1]发布的《中国互联网络发展状况统计报告》显示，截至民数量已达到 6.18 亿，其中使用微博的网民数量为 2.微博用户规模的统计结果（如图 1-1 所示）来看，中国微势。
文内图片：

图片说明：届倾向性分析评测中，增加了对微博的倾向性分析的评测，其主要任务是从 52000 条微博中提交 12000 条含有表示用户观点的微博并判断其倾向性，在评测中，各参赛队伍的评测结果正、负面 F1 值如图 1-2 所示：图 1-2 COAE2013 微博评测结果从图 1-2 可以看出，在提交的 25 组评测结果中，正面和负面的 F1 值都低于 0.45，评测结果有待进一步提高。由于微博文本长度较短，评测数据集中噪音文本较多，且评测中缺乏应有的训练语料，因此 COAE2013 中微博倾向性评测的结果并不高，针对中文微博倾向性分析的研究有待进一步进行研究。1.4 研究思路在国内外已有研究的基础上，本文将微博情感分类看成是一个两次二分类问题，即微博主客观分类、主观文本的正、负面分类
【学位授予单位】：湖南工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.092;TP391.1

【参考文献】