社交媒體文本情感分析.pdf

1、近年來互聯(lián)網(wǎng)技術(shù)依然保持著高速的發(fā)展?fàn)顟B(tài)，涌現(xiàn)了大量的互聯(lián)網(wǎng)應(yīng)用，包括社交網(wǎng)絡(luò)應(yīng)用?；ヂ?lián)網(wǎng)上時刻產(chǎn)生著大量用戶參與的人物、產(chǎn)品、事件等相關(guān)的社交媒體數(shù)據(jù)。情感分析技術(shù)用于挖掘文本中的主觀情感信息，對微博為代表的社交媒體的情感分析可以挖掘其中潛在的商業(yè)與社會價值，在產(chǎn)品信息反饋、商品推薦算法、輿情監(jiān)控、熱點事件跟蹤等方面有重要應(yīng)用。
　　本文主要研究面向社交媒體的情感分類問題，前兩章對該問題的研究現(xiàn)狀和基本技術(shù)進(jìn)行了詳細(xì)的介紹。然后

2、，從不同的角度針對現(xiàn)有研究的不足之處，在第三至五章分別提出了本文的情感分類方法。
　　(1)提出了一種機器學(xué)習(xí)與語義規(guī)則融合的情感分類方法。本文針對中文微博特點，在傳統(tǒng)的基于詞典分類方法上添加了多項語義規(guī)則，提高了對樣本情感傾向度衡量的精準(zhǔn)度。然后提出了特征嵌入式的融合方法，即將提取的詞典規(guī)則特征轉(zhuǎn)化擴展以后加入基本特征模板，該融合方式在情感分析粒度和特征表示兩個方面優(yōu)于一般的融合方法。實驗證明該方法取得了較大的性能提升，在201

3、5年的中文傾向性評測(COAE2015)的微博情感分類任務(wù)中，取得了限定資源模式下的第一名。
　　(2)本文面向社交媒體數(shù)據(jù)，借助自然標(biāo)注的方法幫助解決情感分類問題。在第4章，本文以神經(jīng)網(wǎng)絡(luò)模型詞典構(gòu)建方法為基礎(chǔ)，通過加入語義規(guī)則和設(shè)置樣本權(quán)重的方式對其進(jìn)行了改進(jìn)。在與人工標(biāo)注詞典和其他詞典學(xué)習(xí)算法的比較中，該方法學(xué)習(xí)出的詞典表現(xiàn)最優(yōu)。使用該詞典在2016年的中文傾向性評測(COAE2016)的情感詞抽取任務(wù)中，取得了第一名的成績