基于情感的中文新闻分类与推荐研究

发布时间：2020-08-15 08:27

【摘要】：近年来,互联网时代的迅速发展使得个性化推荐技术被广泛应用,同时人工智能技术的进步带动了机器人技术的革新,新一代的机器人具有更加人性化的情感计算能力。从服务于空巢老人的思路出发,提出了融合用户情感的新闻推荐系统项目,本文主要研究该项目中的两个子任务:基于情感的新闻分类任务和基于用户情感的新闻推荐模型构建任务,以此可以为整个项目做技术铺垫。本文主要工作总结如下:(1)首先介绍了本文的研究背景与意义,并分别对文本情感分析和个性化新闻推荐的研究现状进行了总结与概括。然后从文本情感分类的角度,介绍了基于机器学习的分类方法所用到的相关技术,包括数据预处理、文本表示、文本特征提取、以及常用机器学习方法,同时还介绍了两种基本的人工神经网络模型。接着介绍了两种比较成熟的推荐算法,并简单介绍了推荐系统中常用的推荐方法、评测指标以及实验方法。(2)其次对于基于情感的新闻分类问题,根据新闻的特征以及对常用文本情感分类方法的比较,最终以卷积神经网络为原型提出了多输入通道卷积神经网络模型(MIC-CNN)对新闻标题做情感分类。MIC-CNN模型的输入层有三个输入通道,在卷积池化层将三个通道进行加权组合,最终由softmax函数完成情感分类。通过对比实验验证了该方法是可行的,而且比其他方法的分类效果有所提高。(3)最后针对基于用户情感的新闻推荐问题,主要分析了如何获取具有情感信息的新闻数据、如何获取用户的情绪信息以及如何融合情感做兴趣推荐三个难点。经过研究本文利用前文的新闻情感分类方法来获取具有情感信息的新闻;利用现有技术如语音情感识别、面部表情检测等方法可以一定程度获取情绪;通过分析人情绪的特点提出了五种情感推荐策略来做兴趣推荐。然后给出了融合用户情感的新闻推荐系统框架,最后以用户调查的实验方法验证了基于情感的新闻推荐系统方案的可行性和有效性。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.1;TP242;TP18
【图文】：

实体图,机器人,研究现状

图 1. 1 Nao 机器人实体图Fig 1.1 Nao robot entity diagram研究现状近年来相关领域的的研究现状可以将第一部分研究归类为文本的情而融合用户情感的新闻推荐研究是属于推荐系统的范畴，下面分两两点在国内外的研究现状。情感分析研究现状情感分析[6]通常又可以称为意见挖掘[7]或者倾向性分析，它主要是对彩的主观性文本进行分析、处理、归纳和推理的过程。例如，对于信息，通过分析其内容下面的用户评论来获得大众对微博内容的整本情感分析的核心问题是情感分类[8]，它的目的是分析文本的情感分类的粒度可以分为：正面和负面的二元分类；积极、消极以及中；还有更细粒度的分类方式，比如视频网站上会经常设置五星级评

流程图,文本,基本流程,情感分析

第二章相关理论与技术第二章相关理论与技术2.1 文本情感分析技术文本情感分析技术目前在国内外迅速发展，研究的方法也分门别类，第一章介绍了五类常用的方法，本章将详细介绍本文将会用到的基于机器学习[35]方法和基于深度学习[36]方法的文本情感分类的相关技术。这两种方法的实现流程大致相同，不同之处主要是文本的特征表示和特征提取部分，总的流程图如图 2.1 所示。

模型图,模型,单词,反向预测

CBOW模型

【参考文献】