本文關(guān)鍵詞：中文微博細(xì)粒度情感判別研究

  更多相關(guān)文章： 中文微博 細(xì)粒度情感 多特征 向量機(jī) 判別

【摘要】：微博作為一種新型的社交網(wǎng)絡(luò)平臺(tái),能隨時(shí)隨地發(fā)布簡(jiǎn)短且內(nèi)容豐富的文本,這些信息有可能代表用戶的觀點(diǎn)或喜好,挖掘用戶這些信息對(duì)輿情監(jiān)控、市場(chǎng)營(yíng)銷、謠言控制等都有重要意義。目前,對(duì)文本的情感分析側(cè)重于簡(jiǎn)單的積極、消極二值分類。由于微博文本存在口語(yǔ)化嚴(yán)重,數(shù)據(jù)稀疏等問(wèn)題,因此對(duì)情感深層次的細(xì)粒度判別是十分重要且必要的。本文工作包括以下兩個(gè)方面:(1)針對(duì)有明顯情感詞的微博,設(shè)計(jì)了一種基于情感元素模型的微博細(xì)粒度情感判別方法。根據(jù)依存句法,分析出句子中詞語(yǔ)間的依存關(guān)系,找出副詞、否定詞等詞語(yǔ)級(jí)情感影響因子,建立情感元素模型并計(jì)算分值,對(duì)每種粒度分別進(jìn)行求和,將最大值所對(duì)應(yīng)的細(xì)粒度作為微博的情感的策略。(2)針對(duì)無(wú)明顯情感詞的微博,設(shè)計(jì)了一種多特征支持向量機(jī)的微博細(xì)粒度情感判別的方法。首先,在特征選擇階段進(jìn)行改進(jìn),針對(duì)傳統(tǒng)卡方檢驗(yàn)(CHI)特征選擇不穩(wěn)定性,只考慮微博條數(shù)而未考慮詞頻,提出一種卡方檢驗(yàn)-詞頻逆文檔詞頻(CHI-TFIDF)的特征抽取方法,將詞頻、逆文檔詞頻引入到CHI算法中。實(shí)驗(yàn)表明改進(jìn)的CHI算法相比傳統(tǒng)CHI穩(wěn)定性和有效性均有所提高。將上述得到的特征詞再結(jié)合微博句子結(jié)構(gòu)和語(yǔ)義等特征引入到支持向量機(jī)算法中,訓(xùn)練模型最終得到細(xì)粒度判別結(jié)果。將本文提出的方法與傳統(tǒng)的機(jī)器學(xué)習(xí)算法支持向量機(jī)進(jìn)行實(shí)驗(yàn)比較,準(zhǔn)確率和F值均高于支持向量機(jī)的,原因在于對(duì)有多重情感傾向的微博使用情感元素模型判別方式判別更準(zhǔn)確。2014年以本文提供的方法參加第三屆自然語(yǔ)言處理與中文計(jì)算會(huì)議發(fā)布的中文微博情緒識(shí)別與分類評(píng)測(cè)任務(wù),在五個(gè)隊(duì)伍提交的七組結(jié)果中取得第二名好成績(jī)。
【關(guān)鍵詞】：中文微博 細(xì)粒度情感 多特征 向量機(jī) 判別
【學(xué)位授予單位】：南華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.1;TP393.092
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-20
• 1.1 課題研究背景及意義12-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.3 本文的主要研究?jī)?nèi)容17-18
• 1.4 論文組織結(jié)構(gòu)18-20
• 第2章 微博情感分類相關(guān)技術(shù)20-28
• 2.1 微博情感分類流程20-21
• 2.2 文本預(yù)處理21-22
• 2.2.1 中文分詞21-22
• 2.2.2 微博去噪22
• 2.3 特征選擇與權(quán)重計(jì)算22-25
• 2.3.1 特征選擇22-25
• 2.3.2 特征權(quán)重計(jì)算25
• 2.4 基于機(jī)器學(xué)習(xí)的文本分類算法25-26
• 2.5 本章小結(jié)26-28
• 第3章 中文微博細(xì)粒度情感判別方法28-44
• 3.1 中文微博情感細(xì)粒度判別流程28-29
• 3.2 基于情感元素模型的微博細(xì)粒度情感判別方法29-36
• 3.2.1 情感詞來(lái)源29-30
• 3.2.2 情感影響因子30-32
• 3.2.2.1 詞語(yǔ)級(jí)影響因子30-31
• 3.2.2.2 句子級(jí)影響因子31-32
• 3.2.3 情感元素模型32-34
• 3.2.3.1 依存句法32-33
• 3.2.3.2 情感元素模型33-34
• 3.2.4 微博細(xì)粒度情感判別34-36
• 3.2.4.1 情感權(quán)重值計(jì)算34-35
• 3.2.4.2 微博細(xì)粒度情感判別35-36
• 3.3 基于多特征支持向量機(jī)的微博細(xì)粒度情感判別方法36-43
• 3.3.1 基于卡方算法的微博情感特征選擇37-38
• 3.3.2 基于改進(jìn)的卡方統(tǒng)計(jì)的微博情感特征選擇38-39
• 3.3.3 微博情感分類特征39-40
• 3.3.4 基于支持向量機(jī)的細(xì)粒度判別40-43
• 3.4 本章小結(jié)43-44
• 第4章 實(shí)驗(yàn)44-52
• 4.1 實(shí)驗(yàn)數(shù)據(jù)44
• 4.2 評(píng)價(jià)指標(biāo)44-45
• 4.3 特征選擇實(shí)驗(yàn)45-47
• 4.4 特征組合實(shí)驗(yàn)47-48
• 4.5 NLPCC評(píng)測(cè)48-49
• 4.5.1 評(píng)測(cè)指標(biāo)48-49
• 4.5.2 結(jié)果與分析49
• 4.6 情感分類對(duì)比實(shí)驗(yàn)49-50
• 4.7 本章小結(jié)50-52
• 第5章 總結(jié)與展望52-54
• 5.1 本文總結(jié)52
• 5.2 工作展望52-54
• 參考文獻(xiàn)54-58
• 作者攻讀學(xué)位期間的科研成果58-59
• 致謝59

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫偉;李艷靈;周文勇;;細(xì)粒度基于傳遞功能的約束委托模型[J];信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年03期

2 夏汛;陳玲;;基于攔截器的細(xì)粒度權(quán)限設(shè)計(jì)[J];福建電腦;2012年11期

3 歐陽(yáng)純萍;陽(yáng)小華;雷龍艷;徐強(qiáng);余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

4 史大偉;袁天偉;;一種粗細(xì)粒度結(jié)合的動(dòng)態(tài)污點(diǎn)分析方法[J];計(jì)算機(jī)工程;2014年03期

5 原子;于莉莉;劉超;;引入缺陷的細(xì)粒度軟件變更識(shí)別方法[J];北京航空航天大學(xué)學(xué)報(bào);2014年09期

6 戢彥泓,郭常杰,鐘玉琢,孫立峰;基于細(xì)粒度可擴(kuò)展編碼的多源視頻流化方案[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

7 涂登彪;譚光明;孫凝暉;;無(wú)鎖同步的細(xì)粒度并行介度中心算法[J];軟件學(xué)報(bào);2011年05期

8 張宇軒;魏廷存;樊曉椏;張萌;;面向流體系的細(xì)粒度異步訪存調(diào)度[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

9 王寬;;基于細(xì)粒度調(diào)整的同步播放控制算法[J];山西電子技術(shù);2008年05期

10 華秀麗;徐凡;王中卿;李培峰;;細(xì)粒度科技論文摘要句子分類方法[J];計(jì)算機(jī)工程;2012年14期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 葉蘊(yùn)芳;楊榆;羅鑫;徐國(guó)愛(ài);;Appfuse系統(tǒng)中細(xì)粒度權(quán)限控制的研究與實(shí)現(xiàn)[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

2 江偉玉;高能;劉澤藝;林雪燕;;一種云計(jì)算中的多重身份認(rèn)證與授權(quán)方案[A];第27次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2012年

3 郭磊;唐玉華;周杰;董亞卓;;基于FPGA的Cholesky分解細(xì)粒度并行結(jié)構(gòu)與實(shí)現(xiàn)[A];2010年第16屆全國(guó)信息存儲(chǔ)技術(shù)大會(huì)（IST2010）論文集[C];2010年

4 李俊青;謝圣獻(xiàn);劉廣亮;陳晨;;P2P網(wǎng)絡(luò)基于蟻群優(yōu)化的動(dòng)態(tài)細(xì)粒度訪問(wèn)控制框架[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

5 盛振華;吳羽;江錦華;壽黎但;陳剛;;InfoSigs:一種面向WEB對(duì)象的細(xì)粒度聚類算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 趙曉濤;巡展中的三大熱門(mén)[N];網(wǎng)絡(luò)世界;2007年

2 樂(lè)天邋編譯;編織一張更好的Web[N];計(jì)算機(jī)世界;2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 付興兵;基于屬性基加密的細(xì)粒度訪問(wèn)控制機(jī)制研究[D];電子科技大學(xué);2016年

2 時(shí)杰;關(guān)系數(shù)據(jù)庫(kù)細(xì)粒度訪問(wèn)控制研究[D];華中科技大學(xué);2010年

3 朱倩;面向自由文本的細(xì)粒度關(guān)系抽取的關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2011年

4 余a\;基于Simulink模型的細(xì)粒度多線程技術(shù)研究[D];浙江大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 趙黎光;基于依存句法的句子級(jí)細(xì)粒度情感計(jì)算[D];華南理工大學(xué);2015年

2 李星宇;一種細(xì)粒度Cloud-RAN框架與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

3 酈麗珍;基于Open vSwitch虛擬網(wǎng)絡(luò)的細(xì)粒度訪問(wèn)控制[D];復(fù)旦大學(xué);2013年

4 姚亮;數(shù)據(jù)訪問(wèn)控制中基于中間代理的用戶撤銷方法[D];西安電子科技大學(xué);2014年

5 占文平;面向產(chǎn)品評(píng)論的情感分析技術(shù)研究[D];浙江工商大學(xué);2015年

6 樓弘;基于深度神經(jīng)網(wǎng)絡(luò)的傳感器覆蓋細(xì)粒度優(yōu)化研究[D];浙江工業(yè)大學(xué);2015年

7 蔡雅雅;基于半監(jiān)督集成剪枝算法的細(xì)粒度城市空氣質(zhì)量估計(jì)[D];浙江大學(xué);2016年

8 何東梅;細(xì)粒度物體分類算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

9 廖純;基于句法和語(yǔ)義的話題細(xì)粒度情感分析的研究[D];北京理工大學(xué);2016年

10 李毅;屬性層級(jí)觀點(diǎn)挖掘技術(shù)的研究與應(yīng)用[D];石家莊鐵道大學(xué);2016年

，

本文編號(hào)：1111330