本文關鍵詞： 情感分析 折射 情感折射率 情感詞介質(zhì) 情感極性　出處：《情報學報》2017年02期 　論文類型：期刊論文

【摘要】：移動互聯(lián)網(wǎng)時代產(chǎn)生海量的簡短網(wǎng)絡信息,快速、準確地獲取這些數(shù)據(jù)中用戶表達的情感信息具有廣泛的應用場景。本文考慮人類按順序閱讀文本以獲取情感信息的習慣,利用光的折射對此進行模擬,提出一種面向短文本分類的情感折射模型(Sentiment Refraction Model,SRM)。首先,從若干種子情感詞出發(fā),利用word2vector及k最近鄰分類算法啟發(fā)式地構建包含喜、怒、哀、樂、懼、惡六類情感的情感詞典,認定每類情感詞具有同等強度的情感,且這些情感詞在不同的上下文中具有一定的情感折射率。其次,針對一條短文本,情感光線以給定的初始入射角向包含若干情感詞的文本中傳播,經(jīng)過不同情感詞介質(zhì)的連續(xù)折射,情感光線傳播方向產(chǎn)生相應的變化,通過情感光線出射角與初始入射角的差值即可判定文本的情感極性。最后,用NLPCC,COAE等公布的標準數(shù)據(jù)集對本文方法進行評測,分別與基于情感極性加權求和、樸素貝葉斯以及支持向量機分類方法進行對比。實驗結(jié)果表明,情感折射模型在不同類型的短文本數(shù)據(jù)集上均有較好的表現(xiàn),此外,針對簡單詞典與擴展詞典的情感分類結(jié)果對比也證實了情感詞典擴展方法的有效性。
[Abstract]:The era of mobile Internet produces a mass of short network information, fast. Accurate acquisition of the emotional information expressed by users in these data has a wide range of applications. This paper considers the habit of reading text in sequence to obtain emotional information and simulates it by the refraction of light. An emotion refraction model for short text classification is proposed. Firstly, some seed affective words are introduced. Using word2vector and k-nearest neighbor classification algorithm to construct an emotional dictionary which includes six kinds of emotions: joy, anger, sadness, joy, fear and evil, and finds that each affective word has the same intensity of emotion. And these words have certain emotional refractive index in different contexts. Secondly, for a short text, the emotional light propagates to the text containing a number of emotional words with a given initial incidence angle. Through the continuous refraction of different emotional words, the direction of emotional light propagation changes accordingly. The emotional polarity of the text can be determined by the difference between the initial incidence angle and the incident angle of emotional light. The method is evaluated with the standard data set published by NLPCC Con COAE et al., and the sum based on affective polarity is calculated respectively. Naive Bayes and SVM classification methods are compared. The experimental results show that the emotional refraction model has a good performance on different types of short text dataset, in addition. The comparison of affective classification results between simple dictionaries and extended dictionaries also proves the validity of affective dictionary expansion methods.
【作者單位】： 北京郵電大學經(jīng)濟管理學院;北京信息科技大學網(wǎng)絡文化與數(shù)字傳播北京市重點實驗室;
【基金】：國家自然科學基金項目(61271304) 教育部人文社會科學研究規(guī)劃基金(16YJA630063)
【分類號】：TP391.1
【正文快照】： 移動互聯(lián)網(wǎng)的快速發(fā)展進一步加劇了信息時代的數(shù)據(jù)膨脹。網(wǎng)民可以通過移動終端快速、便捷地參與信息發(fā)布,表達自己對人物、事件、產(chǎn)品等的觀點和態(tài)度。這些評論大多產(chǎn)生于以微博、電子商務網(wǎng)站等為代表的在線社會網(wǎng)絡中,趨向于簡短化,口語化以及多樣化。針對這些海量的用戶生

【相似文獻】

相關碩士學位論文 前5條

1 賈珊珊;基于規(guī)則與模型相結(jié)合的中文微博情感分類研究[D];石家莊鐵道大學;2015年

2 劉寧;基于Ren-CECps及MSTN的會話情感應答研究[D];合肥工業(yè)大學;2015年

3 李霞;企業(yè)員工情感信息分析技術的研究與實現(xiàn)[D];復旦大學;2013年

4 全湘溶;中文評論多級情感分析系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學;2015年

5 杜慎芝;基于條件隨機場的微博情感對象識別研究[D];廣東工業(yè)大學;2014年

，

本文編號：1469835