基于微博的中文观点句识别方法研究

发布时间：2019-10-12 07:26

【摘要】：近年来随着微博平台的发展,微博中的文本挖掘技术也日益增多。微博中观点句识别任务是进行情感极性分类和舆情分析的前提工作。观点句识别技术是在文本分类领域中的研究,而文本分类技术也常用于Web数据挖掘工作。文本分类的目的是对文本中的信息进行自动提取,让用户得到准确反映文本的关键信息,本文中的观点句识别任务是一种句子级二分类。观点句的定义为:观点句只限定于对特定事物或对象的评价,不包括内心自我情感意愿或心情。微博观点句识别可以在微博中发现人们对新闻事件中评价对象的态度和立场。本文根据之前的研究工作,针对新闻话题型微博的口语化、语言结构自由的特点,提出一种基于规则和AdaBoost的组合分类方法来对微博中的观点句进行识别。我们使用微博文本的特征构建AdaBoost算法的弱分类器,并且用此组合方法与传统基于词典和基于SVM的方法进行了比较。本文的研究内容如下:1.首先,我们对本文研究中的观点句类别进行了详细的划分,根据话题微博文本的特点,总结提取了中文话题微博中的观点句特征,包括一些能够区分观点句和非观点句的高置信度的句法模板。2.其次,本文总结了目前基于规则和基于统计的观点句分类方法的不足,提出了高置信度的句法模板和AdaBoost提升方法结合的分类算法对中文话题型微博观点句进行分类。另外,本文针对AdaBoost算法的缺点进行了改进,使用3层CART算法作为其弱分类器的AdaBoost算法,并且针对其对离群点敏感的问题,优化了样本权重更新机制。改进权重更新的CART-ADB提高了泛化性能,避免了退化现象。3.最后,本文将多种分类方法结合本文提出的句法模板用于中文话题型微博的观点句分类并与本文的方法进行比较。另外,本文还分析了本文方法在不同话题类型间的差异性。实验结果表明,本文方法能够有效提高观点句识别方法的性能。
【图文】：

西华,硕士学位论文,社交,相关理论

西华大学硕士学位论文中文微博观点句识别相关理论和技术.1 微博的特点微博在近年来发展迅猛，已经成为了很多人必备的信息交互平台。微博操作简单含大量活跃用户。如图 2.1 所示，在 2016 年微博的第三季度财报中，月活跃人数已经破了 2.97 亿，同比增长 34%，这显示了微博在如今的网络社交媒体的迅猛发展下下经成为了许多人生活中不可缺少的一部分[56]。

热门话题

图 2.2 2016 年微博用户关注的热门话题Fig. 2.2 2016 hot topics of microblog users concerned2 情感分析介绍2.1 主客观分类文本的主客观性分析是近年来的研究热点。主客观分类也是情感极性分析的前，客观文本是对事物的客观陈述，不包含人的情感表达，而主观性文本则包含了事物的主观评价、意见、预测和心情等情绪的表达。主客观分类是一种二元分类来有基于机器学习的方法或基于规则的方法的研究，通过选取适当的机器学习分和特征，，或者具有强分类能力的规则来进行分类。如姚天f [16]将情感形容词、第二人称代词、带有情感色彩的标点符号、意见动词等特征结合起来对文本进行主类。而 Pang 和 Lee[11]用图的最小割原理计算文档中句子的关联得分，将文档中观句通过图的最小割分类算法区别开来。对于统计方法和规则方法来说，特征项
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.1;TP393.092

【参考文献】