基于微博文本情感计算的用户个性分析方法的研究

发布时间：2023-04-23 11:07

　　近年来,国内的各个门户网站不断探索和深化微博应用,使其汇集了大量的舆论信息,这些舆论信息包含了大量的情感信息。在微博等社交平台上进行文本挖掘,不仅可以分析博文的情感倾向,同时也可以根据用户的语言风格和用户注册的性别、年龄、地域、学历背景等信息来为用户构建相应的用户剖像。而在用户剖像的范畴中,个性分析是非常重要也是比较困难的问题。正确识别微博用户发表的博文情感倾向有助于政府收集民意,有利于商家调整营销策略,同时,用户画像在优化用户体验上、提高经济效益上都有举足轻重的作用。此外,情感分析和用户剖像属于语言学、计算机科学、心理学等交叉研究领域的重要研究课题。探究微博蕴含的情感倾向信息和构建合理的用户剖像具有重要的学术与应用价值。本文主要研究工作如下:1)提出一种基于LSTM(长短时记忆网络模型)的短文本情感极性分类方法,通过实验选取性能较好的文本特征化方法,并确定合适的隐藏层层数和各层神经元个数。然后通过大量的微博数据对此模型进行训练,最终把此模型的性能和支持向量机、贝叶斯网络等其他机器学习算法做比较。2)提出一种基于KNN算法的用户个性分类方法,首先以流行的心理学模型和个性分析知识库为基础...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 本文主要研究工作
        1.2.1 基于LSTM的情感分析
        1.2.2 基于心理学模型的个性预测
        1.2.3 基于情感分析与个性预测的用户剖像构建
    1.3 论文组织结构
第2章 相关工作综述
    2.1 文本情感分析
    2.2 基于深度学习的文本挖掘
    2.3 词嵌入
    2.4 用户画像
    2.5 用户个性预测
    2.6 本章小结
第3章 基于LSTM的情感分析
    3.1 前言
    3.2 基于LSTM的情感分析的框架设计
        3.2.1 情感分析模型的选取
        3.2.2 情感分析的框架设计
    3.3 情感分析模型要素剖析
        3.3.1 LSTM模型的构建分析
        3.3.2 特征工程的方法选择
        3.3.3 情感分析模型参数选取分析
    3.4 LSTM模型剖析
    3.5 实验与分析
        3.5.1 语料收集及评测指标
        3.5.2 输入层表征方法选取实验
        3.5.3 隐藏层层数选取
        3.5.4 隐藏层神经元个数选取
        3.5.5 总体实验与分析
    3.6 本章小结
第4章 基于心理学模型的用户个性预测
    4.1 前言
    4.2 基于Big Five个性分析的框架设计
    4.3 Big Five模型与LIWC词典分析
        4.3.1 Big Five模型分析
        4.3.2 LIWC词典分析
        4.3.3 Big Five与LIWC词典的映射关系分析
    4.4 个性预测算法设计
        4.4.1 数据预处理算法
        4.4.2 用户个性打分模型构建与算法设计
        4.4.3 基于KNN用户个性预测的算法设计
    4.5 实验与分析
        4.5.1 LIWC词典及向量空间模型合理性实验
        4.5.2 基于KNN的个性预测
    4.6 本章小结
第5章 基于情感分析与个性预测的用户剖像构建
    5.1 前言
    5.2 用户剖像构建主体思路与方法
    5.3 基于LSTM的情感值量化
    5.4 情感值波动与个性关联指标分析
        5.4.1 情感值波动—方差
        5.4.2 用户剖像中的相关性分析
    5.5 性别预测
        5.5.1 基于用户昵称的朴素贝叶斯性别预测
        5.5.2 基于博文内容的SVM性别预测
        5.5.3 模型融合方法性别预测
    5.6 实验与分析
        5.6.1 性别预测实验
        5.6.2 用户属性相关度度量实验
    5.7 本章小结
第6章 应用系统实例
    6.1 前言
    6.2 系统总体设计
    6.3 系统功能模块
    6.4 情感分析及用户剖像结果展示
    6.5 本章小结
结论
参考文献
攻读硕士学位期间发表论文及所做工作
致谢



本文编号：3799593