本文選題：電影評論 + 情感分析��； 參考：《云南財經(jīng)大學》2014年碩士論文

【摘要】：隨著web2.0的發(fā)展，微博的出現(xiàn)不斷地改變著人們的生活方式。由于其強大的影響力和滲透力，現(xiàn)在越來越多的人喜歡通過微博發(fā)表電影評論。微博電影評論是觀眾對電影好壞的一種情感表達，對這些信息進行情感分類研究，不僅有助于觀眾決策，選擇好的電影，同時也能夠使制片商及時獲取大眾對電影的反應，調整相應的營銷策略，從而提高電影票房成績。 微博電影評論是電影評論在社交網(wǎng)絡平臺上存在的一種新模式�，F(xiàn)有的電影評論研究大多數(shù)是針對傳統(tǒng)電影評論。傳統(tǒng)電影評論主題單一，且篇幅較長，微博電影評論與其不同。因此本文根據(jù)微博電影評論的特點，對其情感分類進行研究，并開展了以下幾個方面的研究內(nèi)容： 一、通過對大量微博電影評論統(tǒng)計和分析，在知網(wǎng)詞典的基礎上，構建一個電影領域情感詞典，用于微博電影評論情感分類。 二、根據(jù)主題發(fā)散這一特點，提出一種基于主題情感句提取的微博電影評論情感分類方法。該方法分為三步：第一步，提取主題相關句，將主題無關的句子從評論文本中剔除；第二步，，主客觀分類，即從余下的主題相關內(nèi)容中，找出主題情感句，去除客觀性的句子；第三步，情感分類，采用機器學習方法對最終的評論文本進行分類，獲得其情感傾向。同時在這一過程中，對零指代句子利用依存句法分析方法進行消除。 三、提出了一種基于主動學習和協(xié)同訓練的半監(jiān)督情感分類方法。在網(wǎng)上獲取未標注的微博電影評論語料很容易，但想要得到大量的標注語料，則需要消耗很多的人力和時間。為了減小人工標注的工作量，文本采用半監(jiān)督方法，并在協(xié)同訓練框架的基礎上，引入主動學習思想，從而改善分類器的性能，提升分類的準確率。
[Abstract]:With the development of web2.0, the appearance of Weibo is changing people's way of life. Because of its powerful influence and penetration, more and more people now like to post movie reviews through Weibo. Weibo film review is a kind of emotional expression of good or bad movies. The research on the emotional classification of this information not only helps the audience to make decisions and choose good movies, but also enables the producers to obtain the public's response to the movies in time. Adjust the corresponding marketing strategy, so as to improve the film box office results. Weibo movie review is a new mode of movie review on social network platform. Most of the current research on film reviews is aimed at traditional film reviews. The traditional film review has a single theme and long length, and Weibo film review is different from it. Therefore, according to the characteristics of Weibo movie review, this paper studies its emotional classification, and carries out the following research contents: Firstly, based on the statistics and analysis of a large number of Weibo movie reviews, a film domain emotion dictionary is constructed on the basis of the Chih-net Dictionary, which is used to classify the emotion of Weibo movie reviews. Secondly, according to the characteristic of subject divergence, a method of emotion classification of Weibo film review based on subject emotion sentence extraction is proposed. The method is divided into three steps: first, the topic related sentences are extracted, and the topic independent sentences are removed from the comment text, the second step is the subjective and objective classification, that is, the topic emotion sentences are found out from the remaining subject related contents, and the objective sentences are removed. The third step is emotion classification. Machine learning is used to classify the final comment text to obtain its emotional tendency. At the same time, the zero-anaphora sentence is eliminated by the method of syntactic analysis. Thirdly, a semi-supervised emotion classification method based on active learning and cooperative training is proposed. It is easy to get the untagged Weibo review data on the Internet, but it takes a lot of manpower and time to get a large amount of annotated data. In order to reduce the workload of manual annotation, the text adopts semi-supervised method, and on the basis of collaborative training framework, the active learning idea is introduced to improve the performance of classifier and improve the accuracy of classification.
【學位授予單位】：云南財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.092

【參考文獻】

相關期刊論文 前10條

1 孫宏綱;陸余良;;中文博客主題情感句自動抽取研究[J];計算機工程與應用;2008年20期

2 周立柱;賀宇凱;王建勇;;情感分析研究綜述[J];計算機應用;2008年11期

3 樊娜;蔡皖東;趙煜;李慧賢;;中文文本情感主題句分析與提取研究[J];計算機應用;2009年04期

4 楊江;彭石玉;侯敏;;基于主題情感句的漢語評論文傾向性分析[J];計算機應用研究;2011年02期

5 徐群嶺;;一種新型的中文文本情感計算模型[J];計算機應用與軟件;2011年06期

6 代六玲,黃河燕,陳肇雄;中文文本分類中特征抽取方法的比較研究[J];中文信息學報;2004年01期

7 姚天f ;程希文;徐飛玉;漢思·烏思克爾特;王睿;;文本意見挖掘綜述[J];中文信息學報;2008年03期

8 李壽山;黃居仁;;基于Stacking組合分類方法的中文情感分類研究[J];中文信息學報;2010年05期

9 張劍峰;夏云慶;姚建民;;微博文本處理研究綜述[J];中文信息學報;2012年04期

10 代大明;王中卿;李壽山;李培峰;朱巧明;;基于情緒詞的非監(jiān)督中文情感分類方法研究[J];中文信息學報;2012年04期

本文編號：1879979