社交网络中的短文本情感分析

发布时间：2017-04-04 07:40

  本文关键词：社交网络中的短文本情感分析，由笔耕文化传播整理发布。

【摘要】：情感分析(Sentiment Analysis),又被称作观点挖掘或观点分析。情感分析的目标是通过数据挖掘得出文本的情感极性,以及分析判断文本的情感走向。情感分析在互联网各个应用场景中发挥着重要的作用。在基于社交网络的研究课题中,微博情感分析(Microblog Sentiment Analysis)是一个重要的研究课题。微博(Microblog)是社交媒体中经典的短文本来源。微博平台(如推特、新浪微博)每天都能够收集大量的微博信息,其中包含的信息资源具有较大的挖掘价值。本文从半监督学习和迁移学习两个角度入手提出了两个新的分析模型,以期进一步提高短文本情感分析任务的分析质量。首先,我们针对社交媒体中少量人工情感标注和大量原始短文本这一情境,提出了一种基于图的半监督学习方法用于短文本情感分析。具体来说,我们使用“微博-微博”关系图构建了一个基于图的半监督学习分类器。我们在“微博-微博”关系图中同时结合了社交网络关系和文本相似度关系。本文提出的半监督学习模型通过“微博-微博”关系图,为有人工情感标注的短文本和原始未标注的短文本建立了联系。我们在两个真实推特语料库上进行了实验,实验结果表明本文提出的半监督学习模型是有效的。其次,短文本情感分析任务常常关注于某一特定领域(Domain),收集特定领域的人工情感标注是尤为困难且耗时的。另外,特定领域拥有其特定的词汇表,这些特定领域词汇的情感信息是不易发现的。为了解决这一问题,本文提出了一个有效的迁移学习模型用于短文本情感分析。模型的提出基于以下事实:情感词典所包含的领域无关情感知识可以通过模型迁移到特定领域的情感分析任务上。具体来说,我们利用情感词典这一领域无关知识源和“词汇-词汇”关系图,针对特定领域的短文本情感分析任务,构建了一个基于图的迁移学习模型。我们同样在两个真实推特语料库上进行了实验,实验结果表明本文提出的迁移学习模型能够为短文本情感分析任务带来有效的效果提升。
【关键词】：微博情感分析 社交媒体 半监督学习 迁移学习
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.1
【目录】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 绪论13-19
• 1.1 研究意义及目的13-14
• 1.2 本文贡献14-16
• 1.2.1 运用半监督学习模型进行微博情感分析14-15
• 1.2.2 运用迁移学习模型进行微博情感分析15-16
• 1.3 论文安排16-17
• 1.4 本章小结17-19
• 第二章 综述19-25
• 2.1 传统情感分析模型19-20
• 2.2 微博情感分析模型20-23
• 2.3 本章小结23-25
• 第三章 半监督学习模型SSA-ST25-43
• 3.1 标记符号与预备知识25-27
• 3.1.1 标记符号25-26
• 3.1.2 监督学习模型SANT26-27
• 3.2 构建半监督学习模型27-31
• 3.2.1 结合文本相似度28-29
• 3.2.2 结合社交关系29-30
• 3.2.3 结合文本相似度与社交关系30
• 3.2.4 模型学习30-31
• 3.3 实验分析31-41
• 3.3.1 数据集和数据分析32-35
• 3.3.2 实验设定35-36
• 3.3.3 与监督学习模型SANT的比较36-39
• 3.3.4 与无监督学习模型Lex Ratio的比较39-40
• 3.3.5 超参数敏感性分析40-41
• 3.4 本章小结41-43
• 第四章 迁移学习模型TSA-LW43-59
• 4.1 标记符号和预备知识43-45
• 4.1.1 标记符号43-44
• 4.1.2 逻辑回归模型44-45
• 4.2 构建迁移学习模型45-50
• 4.2.1 建模45-47
• 4.2.2 模型学习47-49
• 4.2.3 复杂度分析49-50
• 4.3 实验分析50-56
• 4.3.1 数据集50-51
• 4.3.2 实验设定51
• 4.3.3 与监督学习模型的比较51-53
• 4.3.4 与无监督学习模型的比较53-54
• 4.3.5 特征选择结果分析54
• 4.3.6 超参数敏感性分析54-55
• 4.3.7 个案研究55-56
• 4.4 本章小结56-59
• 第五章 全文总结59-63
• 5.1 主要结论59-61
• 5.2 研究展望61-63
• 参考文献63-67
• 致谢67-69
• 攻读学位期间发表的学术论文目录69-71
• 攻读学位期间参与的项目71-73

【相似文献】

中国期刊全文数据库 前10条

1 王国江;王志良;杨国亮;王玉洁;陈锋军;;人工情感研究综述[J];计算机应用研究;2006年11期

2 尹挥戈;;试论人工情感及其控制策略的实施[J];科技咨询导报;2007年18期

3 徐雄;;人工情感的进化控制系统实现[J];智能系统学报;2008年02期

4 赵鲲鹏;谢恬;;浅谈人工情感[J];微计算机应用;2009年08期

5 刘伯成;;人工情感与物联网技术研究[J];科技广场;2010年09期

6 祝宇虹;魏金海;毛俊鑫;;人工情感研究综述[J];江南大学学报(自然科学版);2012年04期

7 王上飞,王煦法;基于“维量”思想的人工情感模型(英文)[J];中国科学技术大学学报;2004年01期

8 滕少冬;王志良;王莉;王国江;;基于心理能量思想的人工情感模型[J];计算机工程与应用;2007年03期

9 徐雄;;基于人工情感控制系统的设计与实现[J];计算机测量与控制;2007年10期

10 王琦;何媛媛;;人工情感研究初探[J];计算机与现代化;2008年10期

中国硕士学位论文全文数据库 前4条

1 卢桃坚;社交网络中的短文本情感分析[D];上海交通大学;2015年

2 翟俊杰;基于动力学的人工情感模型研究[D];北京邮电大学;2007年

3 刘明;基于模糊逻辑与人工情感的智能控制策略研究[D];浙江大学;2004年

4 许克锋;情感计算及其状态转移的控制模型研究[D];北京邮电大学;2008年

  本文关键词：社交网络中的短文本情感分析，，由笔耕文化传播整理发布。

本文编号：285115