基于情感词向量的微博情感分类

发布时间：2019-05-27 21:00

【摘要】：该文提出了一种基于情感词向量的情感分类方法。词向量采用连续实数域上的固定维数向量来表示词汇,能够表达词汇丰富的语义信息。词向量的学习方法,如word2vec,能从大规模语料中通过上下文信息挖掘出潜藏的词语间语义关联。本文在从语料中学习得到的蕴含语义信息的词向量基础上,对其进行情感调整,得到同时考虑语义和情感倾向的词向量。对于一篇输入文本,基于情感词向量建立文本的特征表示,采用机器学习的方法对文本进行情感分类。该方法与基于词、N-gram及原始word2vec词向量构建文本表示的方法相比,情感分类准确率更高、性能和稳定性更好。
[Abstract]:In this paper, an emotion classification method based on emotional word vector is proposed. The word vector uses the fixed dimension vector in the continuous real number domain to represent the vocabulary, which can express the rich semantic information of the vocabulary. Word vector learning methods, such as word2vec, can mine hidden semantic associations between words from large-scale corpus through context information. On the basis of the word vector containing semantic information learned from the corpus, this paper adjusts its emotion and obtains the word vector which takes into account both semantic and emotional tendencies. For an input text, the feature representation of the text is established based on the emotional word vector, and the emotional classification of the text is carried out by using the method of machine learning. Compared with the method of constructing text representation based on word, N-gram and original word2vec word vector, this method has higher accuracy, better performance and stability.
【作者单位】： 中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室;中国科学院大学;
【基金】：国家973计划(2014CB340406,2013CB329602) 国家863计划(2014AA015204) 国家自然科学基金(61232010)
【分类号】：TP391.1

【相似文献】

相关期刊论文 前10条

1 孙艳;周学广;付伟;;基于依存关联分析的情感词扩展[J];北京邮电大学学报;2012年05期

2 肖健;徐建;朱姝;万缨;许亮;;基于翻译和语义方法的情感词挖掘研究[J];计算机工程与应用;2011年32期

3 赵鹏;赵志伟;卓景文;;一种情感词语义加权的句子倾向性识别方法[J];计算机工程与应用;2011年35期

4 代大明;李寿山;李培峰;朱巧明;;基于情绪词与情感词协作学习的情感分类方法研究[J];计算机科学;2012年12期

5 李勇敢;周学广;孙艳;张焕国;;结合依存关联分析和规则统计分析的情感词库构建方法[J];武汉大学学报(理学版);2013年05期

6 彭庆喜;钱铁云;;基于量化情感的网店垃圾评论检测[J];山东大学学报(理学版);2013年11期

7 黄俊;田生伟;禹龙;冯冠军;;基于维吾尔语情感词的句子情感分析[J];计算机工程;2012年09期

8 孙劲光;马志芳;孟祥福;;基于情感词属性和云模型的文本情感分类方法[J];计算机工程;2013年12期

9 柳位平;朱艳辉;栗春亮;向华政;文志强;;中文基础情感词词典构建方法研究[J];计算机应用;2009年10期

10 魏志生;吉阳生;罗春勇;陈家骏;;加入领域先验知识的产生式情感分类模型[J];计算机科学与探索;2011年12期

相关会议论文 前5条

1 陈奇哲;刘全升;姚天f ;;汉语意见型语句主题与情感关系抽取的研究[A];第五届全国信息检索学术会议论文集[C];2009年

2 孙慧;关毅;董喜双;;中文情感词倾向消歧[A];第六届全国信息检索学术会议论文集[C];2010年

3 段秀婷;何婷婷;宋乐;;基于PMI-IR算法的Blog情感分类研究[A];第五届全国青年计算语言学研讨会论文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最优的情感标签图像自动标注算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

5 王枞;涂序彦;刘嘉;;注意-情绪协调的个性化信息推荐模型[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

相关博士学位论文 前9条

1 刘全超;面向中文微博的观点挖掘与倾向性分析研究[D];北京理工大学;2015年

2 江腾蛟;基于句法和语义挖掘的Web金融评论情感分析[D];江西财经大学;2015年

3 杨亮;面向社交媒体的文本情感分析关键技术研究[D];大连理工大学;2016年

4 董喜双;基于免疫多词主体自治学习的情感分析研究[D];哈尔滨工业大学;2013年

5 杨玉珍;基于Web评论信息的倾向性分析关键技术研究[D];山东师范大学;2014年

6 黄胜;Web评论文本的细粒度意见挖掘技术研究[D];北京理工大学;2014年

7 施寒潇;细粒度情感分析研究[D];苏州大学;2013年

8 李荣军;中文商品评论倾向性分析研究[D];北京邮电大学;2011年

9 李芳;面向中文Web评论的观点挖掘关键技术研究[D];华中师范大学;2013年

相关硕士学位论文 前10条

1 王银;中文微博情感分析方法研究[D];广东技术师范学院;2015年

2 崔连超;互联网评论文本情感分析研究[D];山东大学;2015年

3 杜雪峰;藏文句子倾向性分析研究[D];中央民族大学;2015年

4 孙建超;微博舆情挖掘技术的研究与应用[D];电子科技大学;2015年

5 何天翔;基于情感词网的短文本情感分类方法研究[D];西南科技大学;2015年

6 丁星;基于文本倾向性分析技术的微博监控系统[D];江苏科技大学;2015年

7 李茜;博客意见检索关键问题研究[D];北京理工大学;2015年

8 李瑞静;汉语情感词模糊语义的量化分析及应用研究[D];北京理工大学;2015年

9 刘沙;电商网站的产品评价对象抽取研究[D];北京理工大学;2015年

10 佟铁;医患问答社区文本挖掘研究[D];辽宁科技大学;2015年

，

本文编号：2486475