本文選題：微博 + 情感傾向性��； 參考：《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》2017年02期

【摘要】：【目的】為更精確地識(shí)別網(wǎng)民態(tài)度,監(jiān)測(cè)網(wǎng)絡(luò)輿情,提出一種基于SVM多特征融合的情感5級(jí)分類方法�！痉椒ā繌脑~性特征、情感特征、句式特征、語義特征4個(gè)方面,提取動(dòng)詞、名詞、情感詞、否定詞等14個(gè)特征,運(yùn)用SVM方法對(duì)微博情感進(jìn)行5級(jí)分類�！窘Y(jié)果】實(shí)驗(yàn)結(jié)果表明,該方法對(duì)情感5級(jí)分類的準(zhǔn)確率為82.40%,召回率為81.91%,F值為82.10%�！揪窒蕖坑�(xùn)練語料的規(guī)模有待進(jìn)一步提高�！窘Y(jié)論】該方法在情感5級(jí)分類方面取得較好的效果。
[Abstract]:[objective] in order to identify Internet users' attitudes more accurately and monitor network public opinion, a five-level classification method of emotion based on SVM multi-feature fusion is proposed. [methods] from four aspects: part of speech feature, emotion feature, sentence pattern feature and semantic feature, Fourteen features of verbs, nouns, affective words and negative words are extracted, and the SVM method is used to classify Weibo affections into five levels. [results] the experimental results show that, The accuracy of this method is 82.40, the recall rate is 81.91 and F is 82.100.The scale of the training corpus needs to be further improved. [conclusion] this method has a better effect on the classification of emotion level 5.
【作者單位】： 南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目“基于情感傾向性分析的網(wǎng)絡(luò)輿情意見領(lǐng)袖識(shí)別與對(duì)策研究”(項(xiàng)目編號(hào):71303111);國(guó)家自然科學(xué)基金項(xiàng)目“突發(fā)事件網(wǎng)絡(luò)輿情演變過程中的人群仿真研究”(項(xiàng)目編號(hào):71273132);國(guó)家自然科學(xué)基金項(xiàng)目“基于聚合的社會(huì)化短文本信息處理與細(xì)粒度傾向性分析”(項(xiàng)目編號(hào):71503126)的研究成果之一
【分類號(hào)】：TP391.1;TP393.092

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 王雪猛;王玉平;;基于情感傾向分析的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研究[J];西南科技大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2016年01期

2 廖健;王素格;李德玉;張鵬;;基于觀點(diǎn)袋模型的汽車評(píng)論情感極性分類[J];中文信息學(xué)報(bào);2015年03期

3 夏夢(mèng)南;杜永萍;左本欣;;基于依存分析與特征組合的微博情感分析[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2014年11期

4 鄭誠(chéng);楊希;張吉賡;;結(jié)合情感詞典與規(guī)則的微博情感極性分類方法[J];電腦知識(shí)與技術(shù);2014年13期

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

6 張陽;劉曉霞;孫凱龍;李洪安;;基于情感描述項(xiàng)的文本傾向性識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年04期

7 吳明芬;陳濤;;基于SVM的以詞性和依存關(guān)系為特征的句子傾向性判斷分析[J];五邑大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前9條

1 陳炳豐;郝志峰;蔡瑞初;溫雯;王麗娟;黃浩;蔡曉鳳;;面向汽車評(píng)論的細(xì)粒度情感分析方法研究[J];廣東工業(yè)大學(xué)學(xué)報(bào);2017年03期

2 李宏媛;陶然;;服裝電商評(píng)論情感分析研究[J];智能計(jì)算機(jī)與應(yīng)用;2017年01期

3 楊爽;陳芬;;基于SVM多特征融合的微博情感多級(jí)分類研究[J];數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn);2017年02期

4 杜思奇;李紅蓮;呂學(xué)強(qiáng);;漢語組塊分析在情感分類中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用與軟件;2016年10期

5 馮旭鵬;馬震;謝波;劉利軍;黃青松;;基于評(píng)價(jià)修飾分布差的評(píng)論文本傾向性識(shí)別方法[J];計(jì)算機(jī)工程;2016年10期

6 王謙;史青宣;田學(xué)東;;面向中文微博的情感要素抽取方法[J];蘭州理工大學(xué)學(xué)報(bào);2016年03期

7 蘭秋軍;劉文星;李衛(wèi)康;胡星野;;融合句法信息的金融論壇文本情感計(jì)算研究[J];現(xiàn)代圖書情報(bào)技術(shù);2016年04期

8 譚奇棟;劉波;沈岳;丁毅;;基于Android平臺(tái)的新農(nóng)村手機(jī)號(hào)碼銀行安全服務(wù)策略[J];軟件;2014年03期

9 王海丹;邵小桃;;井下無線Mesh網(wǎng)絡(luò)導(dǎo)航系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];軟件;2014年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 裘江南;張闊;王全紅;;本體中語義傳遞規(guī)則獲取方法[J];情報(bào)理論與實(shí)踐;2015年01期

2 劉武英;張薇;李本先;白燕瓊;;基于中文文獻(xiàn)的反恐情報(bào)研究分析[J];情報(bào)雜志;2015年01期

3 強(qiáng)韶華;吳鵬;;突發(fā)事件網(wǎng)絡(luò)輿情演變過程中網(wǎng)民群體行為仿真研究[J];現(xiàn)代圖書情報(bào)技術(shù);2014年06期

4 潘芳;張霞;仲偉俊;;基于BP神經(jīng)網(wǎng)絡(luò)的微博網(wǎng)絡(luò)社群突發(fā)輿情的預(yù)警監(jiān)控[J];情報(bào)雜志;2014年05期

5 董堅(jiān)峰;;基于Web挖掘的突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研究[J];現(xiàn)代情報(bào);2014年02期

6 李壽山;李逸薇;黃居仁;蘇艷;;基于雙語信息和標(biāo)簽傳播算法的中文情感詞典構(gòu)建方法[J];中文信息學(xué)報(bào);2013年06期

7 彭劭莉;張樂;;突發(fā)事件網(wǎng)絡(luò)輿情預(yù)警研究綜述[J];情報(bào)探索;2013年06期

8 蘭月新;曾潤(rùn)喜;;突發(fā)事件網(wǎng)絡(luò)輿情傳播規(guī)律與預(yù)警階段研究[J];情報(bào)雜志;2013年05期

9 蘭月新;;突發(fā)事件微博輿情擴(kuò)散規(guī)律模型研究[J];情報(bào)科學(xué);2013年03期

10 張珊;于留寶;胡長(zhǎng)軍;;基于表情圖片與情感詞的中文微博情感分析[J];計(jì)算機(jī)科學(xué);2012年S3期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動(dòng)化學(xué)報(bào);2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識(shí)別算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報(bào);2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測(cè)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2009年11期

相關(guān)會(huì)議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識(shí)別[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 段其昌;季長(zhǎng)有;;基于多特征融合的快速人臉檢測(cè)[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 劉明華;復(fù)雜環(huán)境下基于多特征融合的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學(xué);2016年

2 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

3 徐志剛;基于多特征融合的路面破損圖像自動(dòng)識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2012年

4 陳秀新;多特征融合視頻復(fù)制檢測(cè)關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

5 初紅霞;基于均值移動(dòng)和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計(jì)明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動(dòng)作識(shí)別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場(chǎng)景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級(jí)行人檢測(cè)方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無人機(jī)航拍圖像識(shí)別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

，

本文編號(hào)：1936224