本文選題：熱點(diǎn)話題 + 主客觀分類　； 參考：《數(shù)據(jù)分析與知識發(fā)現(xiàn)》2017年03期

【摘要】：【目的】熱點(diǎn)話題具有很大的影響力,針對熱點(diǎn)話題及其情感對象的情感傾向進(jìn)行相關(guān)研究�！痉椒ā刻岢鲆粋�結(jié)合話題相關(guān)性的主客觀分類模型,幫助抽取與熱點(diǎn)話題相關(guān)的主觀微博;利用基于機(jī)器學(xué)習(xí)改進(jìn)的情感分類方法對抽取博文的情感極性進(jìn)行分析;通過召回率、準(zhǔn)確率、F值對情感分類效果進(jìn)行詳細(xì)評估�！窘Y(jié)果】實(shí)證分析結(jié)果表明,結(jié)合話題相關(guān)性有效提升了熱點(diǎn)話題微博主客觀分類和情感極性分類效果,其中F值分別提升7.4%和2.2%�！揪窒蕖看枭钊肟紤]數(shù)據(jù)的分布狀態(tài)、情感分類粒度細(xì)化、情感對象的情感趨勢變化等�！窘Y(jié)論】考慮話題相關(guān)性,提升微博情感分類的效果,并通過抽取熱點(diǎn)話題中關(guān)鍵情感對象的情感傾向,為微博精準(zhǔn)營銷提供相關(guān)情報信息。
[Abstract]:[objective] Hot topic has great influence. This paper studies the emotional tendency of hot topic and its affective object. [methods] A subjective and objective classification model combining topic correlation is proposed. Help to extract subjective Weibo related to hot topics; use improved emotion classification method based on machine learning to analyze emotional polarity of extracted blog posts; recall rate, [results] the empirical results show that the combination of topic correlation can effectively improve the effectiveness of Weibo subjective and objective classification and affective polarity classification. The F value was increased by 7.4% and 2.2% respectively. [limitation] the distribution of data, the granularity of emotion classification, the change of emotional trend of emotional objects should be considered deeply. [conclusion] considering the correlation of topic, the effect of Weibo emotional classification should be improved. And by extracting the emotional tendency of the key emotional objects in the hot topic, this paper provides the relevant information for Weibo precise marketing.
【作者單位】： 四川大學(xué)商學(xué)院;
【基金】：四川大學(xué)中央高�；究蒲袠I(yè)務(wù)費(fèi)項目“基于中文微博的負(fù)面情緒預(yù)警研究”(項目編號:skqy201406)的研究成果之一
【分類號】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂國防;;注意新聞表述中的情感傾向[J];新聞實(shí)踐;2011年06期

2 傅向華;劉國;郭巖巖;郭武彪;;中文博客多方面話題情感分析研究[J];中文信息學(xué)報;2013年01期

3 魏晶晶;吳曉吟;;電子商務(wù)產(chǎn)品評論多級情感分析的研究與實(shí)現(xiàn)[J];軟件;2013年09期

4 于瀟;萬軍;何翔;左尾歡;;校園微博情感分析系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J];河北工業(yè)大學(xué)學(xué)報;2013年06期

5 封二英;龐靈;;基于弱監(jiān)督迭代法的情感傾向分析[J];無線互聯(lián)科技;2014年03期

6 龐磊;李壽山;張慧;周國棟;;基于微博的股票投資者未來情感傾向識別研究[J];計算機(jī)科學(xué);2012年S1期

7 徐鵬;;基于直覺模糊推理的網(wǎng)頁在線評論情感傾向分類[J];計算機(jī)應(yīng)用與軟件;2013年06期

8 楊偉杰;馬博淵;劉雯;;基于意見目標(biāo)句抽取的中文股評情感分析方法[J];計算機(jī)仿真;2014年03期

9 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(jī)應(yīng)用研究;2011年02期

10 張素智;樊得強(qiáng);李寶燕;;基于網(wǎng)絡(luò)評論語言學(xué)結(jié)構(gòu)的情感傾向識別模型[J];鄭州大學(xué)學(xué)報(理學(xué)版);2011年01期

相關(guān)會議論文 前4條

1 楊江;侯敏;王寧;;基于主題情感句的漢語評論文傾向性分析[A];第五屆全國青年計算語言學(xué)研討會論文集[C];2010年

2 林慧恩;林世平;;中文情感傾向分析中主觀句子抽取方法的研究[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

3 王素格;楊安娜;;一種混合語言信息的詞語搭配傾向判別方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

4 宋曉雷;王素格;李紅霞;;基于概率潛在語義分析的詞匯情感傾向判別[A];第五屆全國青年計算語言學(xué)研討會論文集[C];2010年

相關(guān)重要報紙文章 前3條

1 唐楠;新聞應(yīng)避免情感傾向[N];中國新聞出版報;2005年

2 魯東;不盡鄉(xiāng)情入畫來[N];中國文化報;2001年

3 楊勇濤;讓攝影喚起心靈的本真[N];中國攝影報;2005年

相關(guān)博士學(xué)位論文 前6條

1 房磊;融合知識的情感分析研究[D];清華大學(xué);2015年

2 張奇;細(xì)顆粒度情感傾向分析若干關(guān)鍵問題研究[D];復(fù)旦大學(xué);2008年

3 王素格;基于Web的評論文本情感分類問題研究[D];上海大學(xué);2008年

4 楊卉;Web文本觀點(diǎn)挖掘及隱含情感傾向的研究[D];吉林大學(xué);2011年

5 李思;WEB觀點(diǎn)挖掘中關(guān)鍵問題的研究[D];北京郵電大學(xué);2012年

6 李方濤;基于產(chǎn)品評論的情感分析研究[D];清華大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王帥;情感分析的特征提取算法與觀點(diǎn)的聚類算法研究[D];昆明理工大學(xué);2015年

2 馮金剛;網(wǎng)絡(luò)輿情中文信息情感傾向分析研究[D];華北電力大學(xué);2015年

3 魏從源;網(wǎng)絡(luò)信息的情感傾向分類技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

4 周冬衛(wèi);中文微博評論的情感傾向分析[D];華東交通大學(xué);2015年

5 吳斐;跨領(lǐng)域條件下詞匯情感傾向判別方法研究[D];合肥工業(yè)大學(xué);2015年

6 徐凱;基于產(chǎn)品特征的用戶評論情感傾向分析研究[D];合肥工業(yè)大學(xué);2015年

7 張佳明;微博話題的公眾情感分析技術(shù)研究[D];解放軍信息工程大學(xué);2015年

8 唐浩浩;面向事件的微博情感傾向性分析技術(shù)研究[D];解放軍信息工程大學(xué);2014年

9 楊陽;上市公司新聞情感傾向?qū)蓛r的影響分析[D];北京理工大學(xué);2015年

10 楊歡;基于文本分類的微博情感傾向研究[D];重慶師范大學(xué);2016年

，

本文編號：2094868