中文微博情緒分析.pdf

1、隨著互聯(lián)網(wǎng)技術的快速發(fā)展，以各種新聞、博客、論壇等為來源的信息呈現(xiàn)出海量增加的態(tài)勢。微博，又名微型博客，是一種基于web技術的網(wǎng)絡用戶信息分享平臺，用戶方便地通過PC、移動設備登錄，微博為人們提供跨越時間、空間的通訊方式，可以為人們提供一個展示個性、表達感情的空間。微博的一大顯著特征是它的實時性，即每時每刻都會產(chǎn)生許多帶有情緒色彩的信息。情緒分析指的是針對說話者在表達信息時所含有的內在情緒進行相應地分析和歸納，例如可以對他們的觀點、態(tài)度

2、等方面進行深入地分析和歸類，以至于可以從中既快速又精確地捕捉關鍵信息。這樣的分析和歸類結果可以應用于許多實際的場景，以企業(yè)員工微博為例，可以通過微博內容的情緒分析，從側面得出員工對于企業(yè)決策、制度等等的態(tài)度，為企業(yè)政策更好的落實和執(zhí)行進行有力支持。
　　本論文圍繞中文微博內容情緒的分析和研究，綜合運用了自然語言處理、機器學習技術。主要完成的工作有：
　?。?）中文微博情緒分析，通過文本去噪、基于同義詞詞林和互信息量的情緒詞典

3、擴展等準備工作，使用TF-IDF對文本中的關鍵情感詞計算權重值，并以此權重對微博文本提取特征矩陣。根據(jù)特征矩陣高維、稀疏，采用線性SVM(Linear SVM)分類器對微博進行情緒類別(anger憤怒、disgust厭惡、fear恐懼、happiness高興、like喜好、sadness悲傷、surprise驚訝、none無情緒中的一種)分析。
　?。?）微博中的每個句子有無情緒判斷，使用LDA（隱狄利克雷）算法得到微博句子與隱含

4、主題的對應概率矩陣，以此作為文本特征矩陣，使用非線性SVM進行是否包含情緒的判斷。
　　（3）句子的主要情緒和次要情緒的判斷，使用句子成分分析法，對句子中出現(xiàn)的各類情緒詞、表情以及影響其權重的程度副詞、關聯(lián)詞、雙重否定詞等進行綜合考慮，計算權重和，按照值大小排序確定主要、次要情緒。本論文通過對官方語料采用各種分類模型的實驗，在中文微博情緒分析任務中，結合微博文本的特點，創(chuàng)新性地采用了TF-IDF和線性SVM（Linear SVM）