本文選題：中文微博　切入點：情感分析　出處：《計算機工程》2017年03期

【摘要】：傳統(tǒng)情感分析方法僅考慮單一文本,對長度短小且口語化嚴重的微博文本情感極性識別率較低。針對上述問題,提出一種結合上下文消息的情感分析方法。將微博情感分析問題看做標簽序列學習任務,使用隱馬爾可夫支持向量機把微博上下文語境融人微博情感分析問題中。實驗結果表明,該方法較之于基于樸素貝葉斯或支持向量機的微博情感分析模型可以更好地分析微博情感極性。
[Abstract]:The traditional affective analysis method only considers a single text and has a low recognition rate of emotional polarity of Weibo text which is short in length and serious in colloquialization. This paper proposes an emotional analysis method combining context messages. Weibo's affective analysis problem is regarded as a tag sequence learning task. Using Hidden Markov support Vector Machine (hmm), Weibo's context context is integrated into the question of Weibo's affective analysis. The experimental results show that, Compared with Weibo's emotion analysis model based on naive Bayes or support vector machine, this method can better analyze the affective polarity of Weibo.
【作者單位】： 安徽工業(yè)大學計算機科學與技術學院;
【基金】：國家自然科學基金(61402008,61402009) 安徽高校省級自然科學研究重大項目(KJ2014ZD05) 安徽省科技重大專項(16030901060) 安徽省自然科學基金青年項目(1408085QF128) 安徽省高校優(yōu)秀青年人才支持計劃項目(GGXYQ2014018)
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前2條

1 肖遙生;;“遑遑大論”? “皇皇大論”![J];咬文嚼字;2013年12期

2 ;[J];;年期

相關博士學位論文 前1條

1 馬紅妹;漢英機器翻譯中漢語上下文語境的表示與應用研究[D];中國人民解放軍國防科學技術大學;2002年

相關碩士學位論文 前4條

1 王恒;基于上下文語境的中文微博情感分析[D];安徽工業(yè)大學;2016年

2 侯瑩瑩;上下文語境與銜接[D];山東師范大學;2005年

3 賈平;上下文語境與學術文本翻譯[D];蘭州大學;2014年

4 劉煜卿;“特色詞”在文藝翻譯中的傳達[D];蘇州大學;2002年

，

本文編號：1660486