基于知识图谱的社交媒体情感分析研究

发布时间：2023-05-26 21:13

　　近年来,随着网络社交平台的迅速发展,社交媒体也随之兴起。社交媒体每天发布海量信息,内容主题涉及各个领域。内容中隐含的情感信息对舆情监测、民意调查等有巨大的利用价值。然而,目前的情感分析技术主要针对通用文本,在社交媒体场景下存在诸多问题:社交媒体内容日益多元化、专业化,致使情感分析模型在没有先验知识支持下难以充分理解社交媒体信息;传统情感分析算法分析粒度较粗,难以深度挖掘网民情感产生的原因;社交媒体内容碎片化、海量化的特点日益明显,传统情感分析系统缺乏对海量社交媒体内容的有效组织管理,情感分析系统使用者难以快速获取社交媒体内容实体、情感倾向、情感原因等关键信息。针对以上问题,本文使用统一内容标签(Uniform Content Label,UCL)及知识图谱解决社交媒体情感分析问题。本文提出一种维基知识图谱(Wikipedia Knowledge Graph,WIKIKG),并设计了一种维基百科知识抽取算法(Wikipedia Knowledge Extraction Algorithm,WIKI-KEA)。在WIKIKG知识图谱基础上,针对社交媒体提出一种基于知识图谱的情感分析算法(K...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略词表
第一章 绪论
    1.1 研究背景及意义
    1.2 研究目标及内容
    1.3 论文组织结构
第二章 知识图谱与情感分析相关研究
    2.1 知识图谱相关研究
    2.2 情感分析相关研究
        2.2.1 文本情感分类
        2.2.2 情感原因发现
    2.3 深度学习相关技术
        2.3.1 预训练语言模型
        2.3.2 神经网络模型
    2.4 本章小结
第三章 基于维基百科的知识图谱构建方法
    3.1 主要问题和研究思路
    3.2 基于维基百科的知识图谱构建框架
    3.3 维基百科内容预处理及UCL标引
        3.3.1 维基网页爬取与数据处理
        3.3.2 维基百科内容的UCL标引
    3.4 基于维基百科的WIKIKG知识图谱构建
        3.4.1 WIKIKG基础库构建
        3.4.2 基于深度学习的知识抽取算法
        3.4.3 WIKIKG实体消歧方法
    3.5 基于社交媒体的WIKIKG实时更新方法
        3.5.1 实体更新
        3.5.2 关系更新
    3.6 本章小结
第四章 基于知识图谱的社交媒体情感分析算法
    4.1 主要问题与研究思路
    4.2 基于知识图谱的社交媒体情感分析技术框架
    4.3 基于UCL的社交媒体内容标引
    4.4 基于知识图谱的词典构建
        4.4.1 基础词典构建
        4.4.2 基于知识图谱的词典扩展
    4.5 基于知识图谱的情感分析算法
        4.5.1 基于深度学习的情感原因发现模型
        4.5.2 基于句法依存树的情感句分类算法
    4.6 本章小结
第五章 实验分析与原型系统实现
    5.1 知识图谱相关实验与分析
    5.2 情感分析算法实验与分析
    5.3 原型系统设计与实现
        5.3.1 原型系统设计
        5.3.2 原型系统实现
    5.4 本章小结
第六章 论文总结与未来工作
    6.1 论文总结
    6.2 未来工作展望
致谢
参考文献
作者简介



本文编号：3823292