本文關(guān)鍵詞：中文微博情緒分析技術(shù)研究

  更多相關(guān)文章： 中文微博 情感分析 細(xì)粒度情感分析 情緒分析

【摘要】：微博是近年來發(fā)展快且影響深遠(yuǎn)的網(wǎng)絡(luò)媒體形式,由于即時、開放、交互、時效的特點(diǎn)吸引了廣大的用戶使用,深入影響著人們?nèi)粘Ｉ罘绞?展現(xiàn)出了強(qiáng)大的社交能力和傳播影響力。微博文本內(nèi)容中潛藏巨大的有價(jià)值信息,對其進(jìn)行情感分析,可為政府提供輿情分析、為企業(yè)提供決策依據(jù)、為個人發(fā)掘興趣愛好等等。隨著對文本情感分析的不斷深入,細(xì)粒度的情感分析,即情緒分析已逐漸成為研究的重點(diǎn)。本文主要是通過對微博進(jìn)行情緒分析,其判別出微博博主所具有的情緒類型。 本文主要研究內(nèi)容分為以下幾點(diǎn)： 首先是分析微博語言表達(dá)特點(diǎn)。微博語言屬于網(wǎng)絡(luò)語言,與普通的文本內(nèi)容相比有著許多新特點(diǎn)。本文主要從情緒分析的角度對微博語言進(jìn)行分析,其中包括符號、數(shù)字、微博表情等表達(dá)形式。 其次是提出的一種基于依存句法的情感詞計(jì)算方法。通過對句子的依存句法分析提取出對情感詞的極性與強(qiáng)度產(chǎn)生影響的關(guān)系對,提出了4個情感詞計(jì)算公式計(jì)算情感詞的強(qiáng)度和極性。 再是基于SVM和規(guī)則相結(jié)合的微博情緒分類內(nèi)容。通過構(gòu)建微博情緒特征使用SVM的機(jī)器學(xué)習(xí)分類方法盡管相對其他方法來說能取得較好的效果,但是總體效果不夠理想,因此本文通過對微博文本的分析提出了20條微博語言規(guī)則與表情規(guī)則,包括3條否定規(guī)則,糾正SVM分類結(jié)果,使得最終的分類結(jié)果達(dá)到更優(yōu)。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.092;TP391.1

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

2 曾凡仔,裘正定;一種基于可行域解析中心的多類分類算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年05期

3 歐陽純萍;陽小華;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 聞彬;何婷婷;羅樂;宋樂;王倩;;基于語義理解的文本情感分類方法研究[J];計(jì)算機(jī)科學(xué);2010年06期

5 楊鼎;陽愛民;;一種基于情感詞典和樸素貝葉斯的中文文本情感分類方法[J];計(jì)算機(jī)應(yīng)用研究;2010年10期

6 朱嫣嵐;閔錦;周雅倩;黃萱菁;吳立德;;基于HowNet的詞匯語義傾向計(jì)算[J];中文信息學(xué)報(bào);2006年01期

7 文勖;張宇;劉挺;馬金山;;基于句法結(jié)構(gòu)分析的中文問題分類[J];中文信息學(xué)報(bào);2006年02期

8 徐琳宏;林鴻飛;楊志豪;;基于語義理解的文本傾向性識別機(jī)制[J];中文信息學(xué)報(bào);2007年01期

9 林江豪;陽愛民;周詠梅;陳錦;蔡澤鍵;;一種基于樸素貝葉斯的微博情感分類[J];計(jì)算機(jī)工程與科學(xué);2012年09期

10 林政;譚松波;程學(xué)旗;;基于情感關(guān)鍵句抽取的情感分類研究[J];計(jì)算機(jī)研究與發(fā)展;2012年11期

，

本文編號：1167916