基于遞歸神經(jīng)網(wǎng)絡(luò)的微博情感分類研究.pdf

1、作為近年來快速發(fā)展的社交網(wǎng)絡(luò)平臺(tái)，微博由于易操作，傳播快，靈活度高等特點(diǎn)，已得到用戶的普遍推崇和使用。雖然用戶發(fā)布的微博內(nèi)容很繁雜，但通過對(duì)其觀察和分析發(fā)現(xiàn)，其中潛藏著大量的有用信息，尤其是微博文本中包含的情感傾向，有助于政府和企業(yè)了解大眾需求、引導(dǎo)輿論、發(fā)現(xiàn)商機(jī)、提高收益。目前，針對(duì)微博文本的情感分類研究越來越受到相關(guān)領(lǐng)域?qū)W者的關(guān)注。如何學(xué)習(xí)深層語義、有效表示文本特征、提高情感分類效果一直是相關(guān)領(lǐng)域要研究的目標(biāo)。
　　本文主要研

2、究了微博文本情感分類的兩大方面:微博文本主客觀分類和微博文本情感極性分類。在主客觀分類階段，提出了基于詞典和語料相結(jié)合的方法。在情感極性分類階段，對(duì)微博文本的特征提取方法和分類算法分別進(jìn)行了研究。其中，針對(duì)特征提取，提出了基于淺層和深層學(xué)習(xí)的特征融合方法;針對(duì)分類算法，提出一種基于改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)的情感分類方法。本文的主要工作和創(chuàng)新成果具體如下:
　　(1)針對(duì)微博文本的主客觀分類問題，提出了基于詞典和語料相結(jié)合的方法。首先根據(jù)

3、本文所構(gòu)建的可靠情感詞典對(duì)可靠度較高的主觀性文本進(jìn)行識(shí)別，然后結(jié)合語料統(tǒng)計(jì)的方法對(duì)剩余文本進(jìn)行主客觀分類，最終得到的F1值比傳統(tǒng)的基于大規(guī)模情感詞典的主客觀分類方法要高出6.72％。
　　(2)鑒于一般的淺層學(xué)習(xí)特征忽略了文本內(nèi)在語義，提出一種基于淺層和深層學(xué)習(xí)的特征融合方法。其中淺層學(xué)習(xí)特征選取了詞、詞性和詞典這三類特征，深層學(xué)習(xí)特征利用word2vec工具進(jìn)行提取，然后對(duì)它們進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，特征融合后的微博文本情感極性