新聞文本的讀者情緒自動(dòng)預(yù)測方法研究.pdf

1、Web2.0技術(shù)的快速發(fā)展,使得網(wǎng)絡(luò)成為一個(gè)公共的信息編輯和發(fā)布的平臺(tái),讓每個(gè)人可以分享自己的觀點(diǎn)、心情,其中也包含了大量的個(gè)人意見、情緒和情緒反饋。識(shí)別和度量基于時(shí)間序列以及主題的大規(guī)模網(wǎng)絡(luò)人群情緒及其變化在社會(huì)學(xué)研究和經(jīng)濟(jì)學(xué)研究中都有著重要意義。
　　本課題研究集中在讀者角度的情緒反饋預(yù)測。也就是通過對新聞文本中的詞語或語義進(jìn)行分析,來預(yù)測讀者閱讀完這段文本后可能產(chǎn)生的情緒。目前的文本情緒研究大多是從作者角度出發(fā),而較少從讀者

2、預(yù)測角度進(jìn)行研究。已有的讀者情緒預(yù)測研究往往把情緒預(yù)測問題看成是一個(gè)單標(biāo)簽問題,認(rèn)為一篇新聞文本只會(huì)讓讀者產(chǎn)生一種情緒,這明顯與人類直覺和對讀者情緒進(jìn)行大規(guī)模統(tǒng)計(jì)得到的結(jié)果不符。另外,這些工作大多是采用基于詞袋的方法,而心理學(xué)研究顯示,讀者情緒不僅會(huì)與文本中的一些特定的詞語有關(guān),很多時(shí)候,還與文中表達(dá)的事件主題相關(guān)。為此,本課題對網(wǎng)絡(luò)環(huán)境下讀者情緒預(yù)測進(jìn)行了系統(tǒng)化的研究,首先,在對讀者情緒生成機(jī)制進(jìn)行分析的基礎(chǔ)上,利用大規(guī)模的社會(huì)化標(biāo)注

3、數(shù)據(jù),構(gòu)建讀者情緒語料庫。通過對讀者情緒標(biāo)注進(jìn)行觀察發(fā)現(xiàn),一篇新聞文本常常對應(yīng)著多個(gè)具有統(tǒng)計(jì)顯著性的讀者情緒投票,因此將情緒預(yù)測問題視為一個(gè)多標(biāo)簽分類任務(wù)較為合理。同時(shí)對文本和讀者情緒反饋進(jìn)行觀察可以發(fā)現(xiàn),相似事件的新聞文本往往會(huì)導(dǎo)致相同的情緒,也就意味著讀者情緒與文本主題具有一定的相關(guān)性。因此,課題分別研究了基于詞袋模型和基于LDA(Latent Dirichlet Allocation)主題模型的方法進(jìn)行讀者情緒預(yù)測,并在此基礎(chǔ)上,

4、對主題模型進(jìn)行改進(jìn),包括帶權(quán)重的LDA模型以及引入情緒類別信息的分塊LDA模型,以改進(jìn)傳統(tǒng) LDA模型的性能。本課題在8,802篇新聞文本上的預(yù)測實(shí)驗(yàn)結(jié)果表明:一、在研究讀者情緒反饋問題上,采用多標(biāo)簽分類技術(shù)比單標(biāo)簽分類技術(shù)更合理;二、對于基于詞袋模型的方法,通過采用不同的分類算法和特征集進(jìn)行組合,可以獲得較好的效果;三、采用主題模型進(jìn)行情緒預(yù)測,進(jìn)一步提高了新聞文本的情緒預(yù)測精度,同時(shí)課題中改進(jìn)的主題模型的實(shí)驗(yàn)結(jié)果超過已有的一些方法,