基于社交理论和不均衡过抽样的短文本情感分析研究与实现

发布时间：2021-02-22 14:02

　　短文本的情感分析（Sentiment Analysis Of Short Texts）,是指对富含情感的简短文本的观点挖掘。短文本的情感分析作为自然语言处理（Nature Language Processing,NLP）领域的一个重要分支,其目的是将本身带有主观性的简短文本中的情感分为积极和消极两类,或者更细粒化地分为积极、消极和中立等多种情感类别。短文本的情感分析在电子政务、舆情监控、个性化推荐等领域发挥着重要的作用。基于社交理论的短文本情感分析是文本情感分析的重要课题之一。推特是社交媒体中使用最为广泛的短文本数据来源。推特数据中不仅包含用户间复杂的社交关系,而且还包含用户评论的短文本信息。这些短文本信息一方面体现了用户对某个主题的评论观点,另一方面还蕴含丰富的情感信息。目前短文本的情感研究一般只发现了用户之间简单的朋友关系,未能对用户之间关注与被关注、情感的传播性进行更为深入的挖掘,且忽略了数据集中存在的类别不均衡现象可能对文本真实情感倾向造成的影响。本文针对上述问题,进行如下三方面的探索性研究。1.结合统计学知识与SentiWordNet情感词典,构建一种新的情感计分方法（Sta... 

【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
绪论
第一章 短文本情感分析概述
    第一节 短文本情感分析的基本知识
        一、短本文情感分析概念
        二、短文本情感分析一般步骤
        三、短文本情感分析技术分类
    第二节 短文本情感分析主要研究方法
        一、基于情感词典的短文本情感分析方法
        二、基于机器学习的短文本情感分析方法
        三、基于深度学习的短文本情感分析方法
    第三节 融合社交理论的短文本情感分析方法
        一、短文本中的情感一致性和情感传播性
        二、融合社交理论的短文本情感分析方法
第二章 SELM情感计分方法
    第一节 常用的情感词典简介
        一、SentiWordNet词典
        二、HowNet词典
        三、大连理工大学中文情感词汇本体库
    第二节 扩展情感传播性
        一、情感传播性讨论
        二、情感传播性的扩展
    第三节 SELM计分方法
        一、基于情感词典的传统计分方法
        二、改进传统方法的SELM计分方法
第三章 基于不均衡过抽样和ESANT的情感分析
    第一节 类别不均衡学习简介
        一、类别不均衡基本知识
        二、类别不均衡学习处理方法
        三、类别不均衡过抽样SMOTE算法
    第二节 增强社交关系的监督学习模型ESANT
        一、标记符号和知识预备
        二、改进监督学习模型SANT的 ESANT模型
        三、ESANT模型的学习
    第三节 结合SELM计分方法的ESANT模型
        一、划分确定集和不确定集
        二、结合SELM计分方法和ESANT模型的情感分析
第四章 实验结果和分析
    第一节 实验介绍
        一、实验描述
        二、实验的数据集
    第二节 SELM评分方法与传统评分方法对比实验设计
        一、实验的评价指标
        二、实验的主要步骤
        三、实验结果与分析
    第三节 ESANT情感分类器实验设计
        一、实验的评价指标
        二、实验的主要步骤
        三、实验结果与分析
    第四节 情感分析系统的实现
        一、情感分析系统简介
        二、系统界面展示
结论
参考文献
在读期间科研成果
致谢


【参考文献】：
期刊论文
[1]基于机器学习的文本分类技术研究进展[J]. 苏金树,张博锋,徐昕.  软件学报. 2006(09)



本文编号：3046104