2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,微博社交網(wǎng)絡在中國迅速地興起,成為網(wǎng)民社交、輿論的主要場所。在微博上,用戶能夠關心他們喜歡的話題,并對其發(fā)表看法,這些數(shù)據(jù)能夠用來研究集體社會行為。同時,大部分用戶傾向于表達對某個焦點人物的支持或反對,對某一熱點話題的立場等。所以,研究微博的話題區(qū)分和傾向性有非常重大的意義。
  本文以一段時間內(nèi)微博為研究對象,設計并實現(xiàn)了一個話題區(qū)分的微博情感分析模型。主要工作如下:
  (1)對微博進行了話題區(qū)分。首先提取微博中

2、的話題相關信息,即特征項。然后通過K-means聚類算法對經(jīng)過預處理的微博實施類別劃分,將具有同一話題的分為一類。最后通過LDA主題模型識別每類微博中的主題,從而實現(xiàn)對微博的話題區(qū)分。本文給出了聚類有效性評價實驗和微博話題區(qū)分實驗,證明了微博話題區(qū)分模型的有效性及穩(wěn)定性。
  (2)建立了微博情感詞典。首先在已有情感詞匯資源的基礎上,建立了包含褒義詞典和貶義詞典的基礎情感詞典,并通過計算詞匯相似度的方法判別未知情感詞語的情感傾向,

3、從而擴展基礎情感詞典。然后通過依存分析及詞頻統(tǒng)計的方法發(fā)現(xiàn)微博新詞,并計算微博新詞的情感值,從而判斷微博新詞情感傾向。本文對COAE2008微博數(shù)據(jù)集進行了未知傾向詞語判斷實驗,結果表明本文未知傾向詞語判別模型準確率更高,且比較穩(wěn)定。
  (3)建立了微博情感分析模型。首先,通過本文建立的微博情感詞典,運用句法分析方法來計算微博情感值,從而將微博分為正面微博、負面微博及中性微博。然后選取了一定比例的正面微博及負面微博作為訓練集,通

4、過支持向量機算法對不屬于訓練集的微博進行分類,最終得到所有微博的情感傾向。為驗證微博情感分析模型的準確性,本文對COAE2013微博數(shù)據(jù)集進行實驗,并將實驗結果與COAE2013各指標的最佳結果進行對比,結果表明,本文設計的情感分析模型效果更為理想。
  (4)給出了話題區(qū)分的微博傾向性判斷實驗。本文對話題區(qū)分后的微博進行了傾向性判斷,獲得了一周微博數(shù)據(jù)集上每個話題中各用戶的傾向性,從而計算出了熱點話題中正面、負面及中性微博所占的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論