基于機(jī)器學(xué)習(xí)的微博評(píng)論信息傾向性分析的研究.pdf

1、本文的重點(diǎn)研究對(duì)象是微博評(píng)論信息的傾向性分析，主要的研究?jī)?nèi)容是以新浪微博中的評(píng)論為研究對(duì)象并且對(duì)評(píng)論中的情感傾向進(jìn)行研究。本研究是將幾種特征進(jìn)行提煉、融合通過(guò)改進(jìn)的機(jī)器學(xué)習(xí)方法來(lái)增強(qiáng)分類效果。
　　情感分析在輿論監(jiān)控、商品檢驗(yàn)有著廣泛的應(yīng)用?；诖?，本文提出一個(gè)設(shè)想，把評(píng)論劃分成三種類型：垃圾評(píng)論、主觀評(píng)論、客觀評(píng)論。針對(duì)不同類型的評(píng)論選取相應(yīng)的方式進(jìn)行分析，主觀評(píng)論褒貶傾向是此研究分析的重點(diǎn)。
　　本文首先對(duì)評(píng)論數(shù)據(jù)進(jìn)行清

2、理，剝離垃圾評(píng)論以及客觀性評(píng)論。其中利用幾種特征的有效融合并結(jié)合樸素貝葉斯、閾值劃分等技術(shù)方法判斷垃圾評(píng)論、客觀評(píng)論，大大降低了文本的噪聲。
　　其次，針對(duì)文本褒貶傾向性分析，通過(guò)比較幾種特征提取方法，并在其基礎(chǔ)上改進(jìn)情感詞的選取方式和權(quán)值計(jì)算方式，構(gòu)成新的文本向量空間。通過(guò)集成學(xué)習(xí)方法以及投票方式將傳統(tǒng)的機(jī)器學(xué)習(xí)算法進(jìn)行融合，達(dá)到更好的分析效果。本文實(shí)現(xiàn)了針對(duì)情感詞的特征提取和權(quán)值計(jì)算的性能提升，使用AdaBoost、Rando