基于文本分析的情感挖掘模型研究與應用.pdf

1、當下互聯(lián)網(wǎng)技術迭代更新頻繁，網(wǎng)絡社交媒體更是呈現(xiàn)出蓬勃的發(fā)展態(tài)勢，民眾在互聯(lián)網(wǎng)上發(fā)表意見的渠道得到了極大拓展，造成了網(wǎng)絡信息資源的極速增長。網(wǎng)絡信息資源通常以非結(jié)構化數(shù)據(jù)為主，文本信息作為最典型的非結(jié)構化數(shù)據(jù)占據(jù)著極大比例，而且這些文本信息往往都蘊含著用戶針對熱點事件或品牌口碑的情感傾向，從這些海量的文本中獲取有用的情感信息是一件具有挑戰(zhàn)性的事情。因此，情感挖掘技術應運而生，該技術主要通過文本分析挖掘其中的情感信息，并對其進行情感分類。

2、其中句子級的情感挖掘技術應用最為廣泛，在品牌口碑評價和輿情監(jiān)控領域都有著較大貢獻。本文主要對句子級的情感挖掘方法進行了研究，涉及的主要工作如下：
　　1）基于句法依存分析的情感分類模型研究。傳統(tǒng)的情感挖掘方法一般只關注詞語本身，忽略句子的句法結(jié)構和詞語之間的語義關聯(lián)度，而這些信息在文本情感挖掘中有著重要作用。為此，本文提出了一種基于句法依存分析的情感分類模型，主要包括句子級的情感信息抽取策略和基于 KNN算法的依存關系簇情感判別方

3、法，并在 NLP&CC2013數(shù)據(jù)集上進行了測試。與傳統(tǒng)方法相比，該模型的準確率顯著提升，召回率基本持平，F(xiàn)1值略微提升，且較容易受到訓練集規(guī)模的影響。
　　2）基于中文情感詞的句子情感傾向性研究。PMI-IR算法作為情感傾向計算領域的典型算法，在英文的語言環(huán)境下提出，不能完全適用于中文。另外，該算法采用的標準詞單一、情感分類粒度不夠，且涉及到發(fā)送HTTP請求進行信息檢索使得計算比較耗時。本文針對以上缺陷提出了相應的改進策略，包括