基于微博的情感分析算法研究與實現(xiàn).pdf

1、近年來，隨著微博的快速發(fā)展，微博數(shù)據(jù)成倍增長，如何利用這些海量的數(shù)據(jù)，挖掘有用的信息，成為了研究熱點。其中，微博情感分類是一個比較熱門的研究方向，它在分析與預測時事走向、反饋商品和產(chǎn)品意見、分析消費者喜好、政府網(wǎng)絡輿情監(jiān)控等方面都有廣泛的應用。微博情感分類研究分為以下三個方面:基于情感詞典的分類、基于機器學習的分類和基于特征融合的分類。由于微博信息量少、格式不規(guī)范、語言風格多變、含有大量的噪音等原因，微博情感分類研究的效果不理想。針對這

2、一情況，本文結(jié)合了現(xiàn)有的情感分類算法，針對微博信息的特點，設計并實現(xiàn)了三種微博情感分類方案，提高微博情感分類的效果。本文主要貢獻包括:
　　1、設計了基于情感計算的情感分類算法。該算法的基礎是情感詞典，目標是包含有很明顯的正、負情感詞的微博。在傳統(tǒng)以單個情感詞典為核心的情感分類的基礎上，該算法結(jié)合了四個常用的情感詞典，從多個維度描述微博，通過計算微博包含的情感詞的情感傾向，計算微博的情感傾向，從而判斷微博的情感分類。
　　2

3、、設計了基于分類器融合的情感分類算法。該算法的基礎是機器學習，它適合大量數(shù)據(jù)處理。該算法詳細的分析了基于機器學習的情感分類方法，結(jié)合了三個常用的分類算法，提取三個不同分類器的預測標簽和預測得分，根據(jù)融合分類器，預測微博的分類標簽。
　　3、設計了基于特征融合的情感分類算法。該算法把人類情感分析和機器學習方法相結(jié)合，先分析微博本身特有的特點，并且根據(jù)人類情感的表達方式，選取了四組特征;然后，選用了客觀的統(tǒng)計特征;最后，把兩方面特征融