本文選題：情感詞　切入點(diǎn)：情感權(quán)重　出處：《中文信息學(xué)報(bào)》2017年03期 　論文類(lèi)型：期刊論文

【摘要】：隨著互聯(lián)網(wǎng)電子商務(wù)和各種社交網(wǎng)絡(luò)應(yīng)用的快速發(fā)展,產(chǎn)生了大量的用戶評(píng)價(jià)信息。為滿足快速整理這些評(píng)價(jià)信息的需求,情感傾向性分析應(yīng)運(yùn)而生。情感詞典是各類(lèi)情感傾向性識(shí)別算法的基礎(chǔ),收集一部全面且權(quán)重合理的情感詞典,往往可以簡(jiǎn)單快速而有效地解決情感分析問(wèn)題。但情感詞典規(guī)模有限,而網(wǎng)絡(luò)上新的情感詞層出不窮,語(yǔ)言使用不規(guī)范,人工整理耗時(shí)耗力。已有的情感詞收集方法較復(fù)雜,且領(lǐng)域性強(qiáng),收集的情感詞可擴(kuò)展性差。本文提出一種自動(dòng)挖掘潛在情感詞并計(jì)算其極性權(quán)重的算法,該算法與應(yīng)用領(lǐng)域無(wú)關(guān),具有良好的擴(kuò)展性。該方法利用共現(xiàn)特性,基于樸素貝葉斯公式能檢測(cè)出未知的情感詞,并根據(jù)其情感權(quán)重值的大小判斷其情感極性,可有效地?cái)U(kuò)展情感詞典,將已有的情感詞典進(jìn)一步量化。在理論研究的基礎(chǔ)上,本文分別針對(duì)京東、豆瓣及大眾點(diǎn)評(píng)網(wǎng)三組評(píng)論語(yǔ)料做了實(shí)驗(yàn),其結(jié)果的準(zhǔn)確率都基本在90%以上,驗(yàn)證了該方法的有效性和實(shí)用性,為情感傾向性分析提供了知識(shí)庫(kù)基礎(chǔ)。
[Abstract]:With the rapid development of Internet e-commerce and various social network applications, a large amount of user evaluation information has been generated. Emotion dictionaries are the basis of all kinds of affective orientation recognition algorithms. It is often possible to solve affective analysis problems simply, quickly and effectively. However, the scale of affective dictionary is limited, and new affective words appear in endlessly on the Internet, language usage is not standardized, manual sorting is time-consuming and time-consuming, and the existing methods of collecting affective words are more complicated. This paper presents an algorithm for automatically mining latent affective words and calculating their polar weights, which is independent of the application field and has good expansibility. Based on naive Bayes formula, unknown affective words can be detected, and their affective polarity can be judged according to their emotional weight, which can effectively expand the emotional dictionary and further quantify the existing affective lexicon. In this paper, three groups of comment corpus, JingDong, Douban and Dianping, are tested, and the accuracy of the results is above 90%, which verifies the validity and practicability of this method and provides a knowledge base for emotional orientation analysis.
【作者單位】： 北京理工大學(xué)計(jì)算機(jī)學(xué)院;北京市海量語(yǔ)言信息處理與云計(jì)算應(yīng)用工程研究中心;公安部第一研究所信安部;工業(yè)和信息化部電子科學(xué)技術(shù)情報(bào)研究所;
【基金】：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB329601)
【分類(lèi)號(hào)】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫艷;周學(xué)廣;付偉;;基于依存關(guān)聯(lián)分析的情感詞擴(kuò)展[J];北京郵電大學(xué)學(xué)報(bào);2012年05期

2 肖健;徐建;朱姝;萬(wàn)纓;許亮;;基于翻譯和語(yǔ)義方法的情感詞挖掘研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

3 趙鵬;趙志偉;卓景文;;一種情感詞語(yǔ)義加權(quán)的句子傾向性識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年35期

4 代大明;李壽山;李培峰;朱巧明;;基于情緒詞與情感詞協(xié)作學(xué)習(xí)的情感分類(lèi)方法研究[J];計(jì)算機(jī)科學(xué);2012年12期

5 李勇敢;周學(xué)廣;孫艷;張煥國(guó);;結(jié)合依存關(guān)聯(lián)分析和規(guī)則統(tǒng)計(jì)分析的情感詞庫(kù)構(gòu)建方法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2013年05期

6 彭慶喜;錢(qián)鐵云;;基于量化情感的網(wǎng)店垃圾評(píng)論檢測(cè)[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2013年11期

7 黃俊;田生偉;禹龍;馮冠軍;;基于維吾爾語(yǔ)情感詞的句子情感分析[J];計(jì)算機(jī)工程;2012年09期

8 孫勁光;馬志芳;孟祥福;;基于情感詞屬性和云模型的文本情感分類(lèi)方法[J];計(jì)算機(jī)工程;2013年12期

9 柳位平;朱艷輝;栗春亮;向華政;文志強(qiáng);;中文基礎(chǔ)情感詞詞典構(gòu)建方法研究[J];計(jì)算機(jī)應(yīng)用;2009年10期

10 魏志生;吉陽(yáng)生;羅春勇;陳家駿;;加入領(lǐng)域先驗(yàn)知識(shí)的產(chǎn)生式情感分類(lèi)模型[J];計(jì)算機(jī)科學(xué)與探索;2011年12期

相關(guān)會(huì)議論文 前5條

1 陳奇哲;劉全升;姚天f ;;漢語(yǔ)意見(jiàn)型語(yǔ)句主題與情感關(guān)系抽取的研究[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 孫慧;關(guān)毅;董喜雙;;中文情感詞傾向消歧[A];第六屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

3 段秀婷;何婷婷;宋樂(lè);;基于PMI-IR算法的Blog情感分類(lèi)研究[A];第五屆全國(guó)青年計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最優(yōu)的情感標(biāo)簽圖像自動(dòng)標(biāo)注算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

5 王樅;涂序彥;劉嘉;;注意-情緒協(xié)調(diào)的個(gè)性化信息推薦模型[A];2006年首屆ICT大會(huì)信息、知識(shí)、智能及其轉(zhuǎn)換理論第一次高峰論壇會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前9條

1 劉全超;面向中文微博的觀點(diǎn)挖掘與傾向性分析研究[D];北京理工大學(xué);2015年

2 江騰蛟;基于句法和語(yǔ)義挖掘的Web金融評(píng)論情感分析[D];江西財(cái)經(jīng)大學(xué);2015年

3 楊亮;面向社交媒體的文本情感分析關(guān)鍵技術(shù)研究[D];大連理工大學(xué);2016年

4 董喜雙;基于免疫多詞主體自治學(xué)習(xí)的情感分析研究[D];哈爾濱工業(yè)大學(xué);2013年

5 楊玉珍;基于Web評(píng)論信息的傾向性分析關(guān)鍵技術(shù)研究[D];山東師范大學(xué);2014年

6 黃勝;Web評(píng)論文本的細(xì)粒度意見(jiàn)挖掘技術(shù)研究[D];北京理工大學(xué);2014年

7 施寒瀟;細(xì)粒度情感分析研究[D];蘇州大學(xué);2013年

8 李榮軍;中文商品評(píng)論傾向性分析研究[D];北京郵電大學(xué);2011年

9 李芳;面向中文Web評(píng)論的觀點(diǎn)挖掘關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王銀;中文微博情感分析方法研究[D];廣東技術(shù)師范學(xué)院;2015年

2 崔連超;互聯(lián)網(wǎng)評(píng)論文本情感分析研究[D];山東大學(xué);2015年

3 杜雪峰;藏文句子傾向性分析研究[D];中央民族大學(xué);2015年

4 孫建超;微博輿情挖掘技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2015年

5 何天翔;基于情感詞網(wǎng)的短文本情感分類(lèi)方法研究[D];西南科技大學(xué);2015年

6 丁星;基于文本傾向性分析技術(shù)的微博監(jiān)控系統(tǒng)[D];江蘇科技大學(xué);2015年

7 李茜;博客意見(jiàn)檢索關(guān)鍵問(wèn)題研究[D];北京理工大學(xué);2015年

8 李瑞靜;漢語(yǔ)情感詞模糊語(yǔ)義的量化分析及應(yīng)用研究[D];北京理工大學(xué);2015年

9 劉沙;電商網(wǎng)站的產(chǎn)品評(píng)價(jià)對(duì)象抽取研究[D];北京理工大學(xué);2015年

10 佟鐵;醫(yī)患問(wèn)答社區(qū)文本挖掘研究[D];遼寧科技大學(xué);2015年

，

本文編號(hào)：1598308