本文選題：微博情感詞典　切入點(diǎn)：網(wǎng)絡(luò)用語(yǔ)　出處：《山東大學(xué)學(xué)報(bào)(工學(xué)版)》2014年03期 　論文類(lèi)型：期刊論文

【摘要】：提出了一種中文微博情感詞典構(gòu)建方法。采用上下文熵的網(wǎng)絡(luò)用語(yǔ)發(fā)現(xiàn)策略,通過(guò)TF-IDF(term frequencyinverse document frequency)進(jìn)行二次過(guò)濾得到網(wǎng)絡(luò)用語(yǔ);利用SO-PMI(semantic orientation-pointwise mutual information)算法在已標(biāo)注的微博語(yǔ)料庫(kù)中計(jì)算網(wǎng)絡(luò)用語(yǔ)的情感傾向值,構(gòu)建網(wǎng)絡(luò)用語(yǔ)情感詞典;將詞典應(yīng)用到微博情感分類(lèi)實(shí)驗(yàn),并與樸素貝葉斯分類(lèi)器的分類(lèi)性能進(jìn)行了比較分析。實(shí)驗(yàn)結(jié)果表明,直接利用微博情感詞典的分類(lèi)效果好于樸素貝葉斯分類(lèi)器,并具有分類(lèi)過(guò)程簡(jiǎn)單、快速等優(yōu)勢(shì)。
[Abstract]:In this paper, a method of constructing Chinese Weibo's affective dictionary is proposed, which adopts the network language discovery strategy based on context entropy, and obtains the network term by TF-IDF(term frequencyinverse document frequency. The SO-PMI(semantic orientation-pointwise mutual information algorithm is used to calculate the emotional tendency of the network terms in the annotated Weibo corpus. Compared with naive Bayesian classifier, the experimental results show that the classification effect of using Weibo affective dictionary is better than that of naive Bayesian classifier, and the classification process is simple and fast.
【作者單位】： 廣東外語(yǔ)外貿(mào)大學(xué)思科信息學(xué)院;廣東外語(yǔ)外貿(mào)大學(xué)管理學(xué)院;
【基金】：國(guó)家社科基金資助項(xiàng)目(12BYY045) 教育部人文社會(huì)科學(xué)研究青年項(xiàng)目(10YJCZH247) 廣東省科技計(jì)劃資助項(xiàng)目(2010B031000014)
【分類(lèi)號(hào)】：TP393.092;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 謝麗星;周明;孫茂松;;基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J];中文信息學(xué)報(bào);2012年01期

2 林江豪;陽(yáng)愛(ài)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(lèi)[J];計(jì)算機(jī)工程與科學(xué);2012年09期

3 韓忠明;張玉沙;張慧;萬(wàn)月亮;黃今慧;;有效的中文微博短文本傾向性分類(lèi)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年10期

4 王文遠(yuǎn);王大玲;馮時(shí);李任斐;王琳;;一種面向情感分析的微博表情情感詞典構(gòu)建及應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2012年11期

5 朱艷輝;栗春亮;徐葉強(qiáng);柳位平;;一種基于多重詞典的中文文本情感特征抽取方法[J];湖南工業(yè)大學(xué)學(xué)報(bào);2011年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫建旺;呂學(xué)強(qiáng);郭嵡秀;;基于微博轉(zhuǎn)發(fā)集的微博過(guò)濾研究[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

2 許星;席鵬富;秦天;;社會(huì)網(wǎng)絡(luò)的輿情信息分析與可視化——以新浪微博為例[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年12期

3 吳維;肖詩(shī)斌;;基于多特征與復(fù)合分類(lèi)法的中文微博情感分析[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

4 馮如曉;劉志明;雷龍艷;;基于搜索引擎的關(guān)鍵詞輿情過(guò)濾算法研究[J];電腦知識(shí)與技術(shù);2014年06期

5 王銀;吳新玲;;中文微博情感分析方法研究[J];廣東技術(shù)師范學(xué)院學(xué)報(bào);2014年03期

6 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

7 林江豪;陽(yáng)愛(ài)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(lèi)[J];計(jì)算機(jī)工程與科學(xué);2012年09期

8 文坤梅;徐帥;李瑞軒;辜希武;李玉華;;微博及中文微博信息處理研究綜述[J];中文信息學(xué)報(bào);2012年06期

9 周勝臣;施詢之;瞿文婷;石英子;孫韻辰;;基于微博搜索和SVM的股市時(shí)間序列預(yù)測(cè)研究[J];計(jì)算機(jī)與現(xiàn)代化;2013年04期

10 陽(yáng)愛(ài)民;林江豪;周詠梅;;中文文本情感詞典構(gòu)建方法[J];計(jì)算機(jī)科學(xué)與探索;2013年11期

相關(guān)會(huì)議論文 前1條

1 周軍;何力;韓偉紅;鄧璐;;基于機(jī)器學(xué)習(xí)的中文評(píng)論傾向性分類(lèi)實(shí)證研究[A];第28次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2013年

相關(guān)博士學(xué)位論文 前2條

1 田野;基于微博平臺(tái)的事件趨勢(shì)分析及預(yù)測(cè)研究[D];武漢大學(xué);2012年

2 田占偉;基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播研究[D];哈爾濱工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 胡文靜;基于語(yǔ)義理解與PLSA的文本情感分類(lèi)研究[D];天津師范大學(xué);2012年

2 王政霄;基于微博的熱點(diǎn)事件挖掘與情感分析[D];上海交通大學(xué);2013年

3 曹海濤;基于PAD模型的中文微博情感分析研究[D];大連理工大學(xué);2013年

4 王鴻飛;基于條件隨機(jī)場(chǎng)的中文微博情感分析研究[D];廣東工業(yè)大學(xué);2013年

5 李p，

本文編號(hào)：1559719