基于多標簽新聞語料的閱讀者情感分析.pdf

1、伴隨著Web2.0技術的快速發(fā)展，許多工具如博客、微博、微信等成為人們日常生活中信息發(fā)布與共享的網(wǎng)絡平臺，每個人可以在網(wǎng)絡上分享對某事件的觀點、看法，其中也包含了大量的個人意見、主觀情感和情緒反饋。基于大規(guī)模網(wǎng)絡文本信息的情感分析是輿情分析領域的一個重要部分，探究文本信息中所包含群眾情緒的動態(tài)趨勢對于社會學研究有著重要意義。
　　本文的研究主要是閱讀者角度的情感分析問題，即通過分析新聞文本中的詞語或包含的主題信息，來預測閱讀者在讀

2、完這篇新聞后可能引發(fā)的情緒。在以往的研究中，文本情感分析主要是從作者角度出發(fā)探究其中表達的主觀情感，對閱讀者情緒反饋的相關研究相對較少;另一方面，相關領域通常將文本情感分析問題視為單標簽問題進行處理，即默認一篇文檔只能引發(fā)閱讀者的一種情緒，顯然這與實際問題不符，一篇新聞對于社會大眾引起的情緒可能不盡相同，統(tǒng)計數(shù)據(jù)顯示投票較多的情感類別一般有多個;此外，相關工作大部分是基于詞袋模型進行的研究，根據(jù)社會心理學研究的觀點，閱讀者情緒不僅會與新

3、聞文本中直觀的詞語有關聯(lián)，還與新聞報道中隱含的事件主題有著間接關系。針對上述問題，本文基于社會大眾標注的多標簽語料進行了系統(tǒng)化的文本情感分析，主要的工作有以下幾個方面:
　　(1)多標簽新聞語料的構建。針對研究中的著重點“多標簽”、“閱讀者”，將情感分析任務當做多標簽分類問題，爬取了社會化標注的新浪社會新聞文本及其讀者投票數(shù)據(jù)，并對投票數(shù)據(jù)進行處理。
　　(2)分別采用詞袋模型和主題模型對多標簽新聞語料數(shù)據(jù)進行實驗，并分析了

4、實驗結果。從不同角度對數(shù)據(jù)進行處理，針對二分類、多分類以及多標簽分類問題對數(shù)據(jù)集進行建模，然后訓練好模型預測閱讀者情感。實驗數(shù)據(jù)表明，在分類性能上主題模型相對優(yōu)于詞袋模型，并且，采用主題模型時文本的特征向量維度遠遠小于詞袋模型，模型代價消耗較小，有著重要的現(xiàn)實意義。
　　(3)借鑒混合標簽的M-LDA方法，將情緒標簽視為已知標簽并將該方法應用到文本情緒分類中。傳統(tǒng)的LDA是一個無監(jiān)督的主題模型，應用在標簽分類問題中往往需要結合分類