【摘要】：海量互聯(lián)網信息中蘊含著巨大社會價值和商業(yè)價值。傳統(tǒng)的情感分析技術分析粒度大、準確性不高,并不能滿足日益豐富的互聯(lián)網用戶需求。因此,如何采用一種細粒度情感分析技術使計算機能自動地對網絡信息進行處理分析,給決策者提供更加詳盡的結論性信息,幫助企業(yè)了解用戶的消費習慣,幫助用戶全面了解產品信息,逐漸成為了發(fā)展趨勢。目前,針對細粒度情感分析的研究對句法和語義信息的挖掘還不夠深入,因此,本文綜合情感關鍵句抽取、評價對象識別、話題相關的情感傾向性分析的研究基礎,深度挖掘句法和語義層面的知識,針對互聯(lián)網語料,對細粒度情感分析進行了深入的研究。主要研究內容和創(chuàng)新點包括:1.針對情感關鍵句抽取工作,提出基于PMI的情感詞典擴展算法、主題模型與詞圖模型相結合的關鍵詞抽取算法和依存模板提取算法,來分別獲取情感詞、關鍵詞和句法依存特征,融合詞匯語義和句法依存信息完成情感關鍵句的抽取工作。2.針對評價對象識別工作,提出一種融合詞性模板、依存結構分析、語義角色標注和短語結構分析的領域詞典構建方法PDSP,并采用Word Embedding方法對該詞典進行擴展之后,嵌入到序列標注模型條件隨機場CRF中進行評價對象識別。3.在話題相關的情感傾向性分析中,首先提出了一種融合局部和全局信息的LTIGT算法進行關鍵詞特征提取;然后基于Word Embedding和依存關系提取話題相關情感詞,并對其進行K-means聚類,獲取情感詞特征;最后將以上兩種特征,與傳統(tǒng)特征一起加入SVM進行話題相關的情感傾向性判定,獲得每個話題所對應的情感傾向,完成細粒度的情感分析。
[Abstract]:Mass Internet information contains huge social value and commercial value. The traditional emotion analysis technology has large granularity and low accuracy, so it can not meet the increasing demand of Internet users. Therefore, how to adopt a fine-grained emotion analysis technology to enable the computer to process and analyze the network information automatically, to provide decision makers with more detailed and conclusive information, and to help enterprises understand the consumer habits of users. Helping users to understand product information in an all-round way has gradually become a trend of development. At present, the research on fine-grained emotional analysis is not deep enough for the mining of syntactic and semantic information. Therefore, this paper synthesizes the research foundation of emotional key sentence extraction, evaluation object recognition, topic related emotional orientation analysis. Deep mining of syntactic and semantic knowledge and research on fine-grained affective analysis are carried out for the Internet corpus. The main research contents and innovations include: 1. Aiming at the extraction of emotional key sentences, this paper proposes an extension algorithm of emotion dictionary based on PMI, a keyword extraction algorithm combined with topic model and word graph model, and an algorithm of extracting dependency template to obtain emotional words, keywords and syntactic dependency features, respectively. Combining lexical semantic and syntactic dependency information to complete the extraction of affective key sentences. 2. This paper presents a domain dictionary construction method, PDSP, which combines part of speech template, dependency structure analysis, semantic role tagging and phrase structure analysis, and extends the dictionary by Word Embedding method. The evaluation object identification is carried out in conditional Random Field CRF embedded in sequence tagging model. 3. In the topic related affective orientation analysis, a LTIGT algorithm combining local and global information is proposed for keyword feature extraction, and then based on Word Embedding and dependency relation, the topic related affective words are extracted and clustered by K-means. Finally, the above two features are added to the SVM to determine the affective tendency of each topic, and the emotional tendency of each topic is obtained. Finally, the fine-grained emotional analysis is completed.
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1

【相似文獻】

相關期刊論文 前10條

1 孫偉;李艷靈;周文勇;;細粒度基于傳遞功能的約束委托模型[J];信陽師范學院學報(自然科學版);2013年03期

2 夏汛;陳玲;;基于攔截器的細粒度權限設計[J];福建電腦;2012年11期

3 歐陽純萍;陽小華;雷龍艷;徐強;余穎;劉志明;;多策略中文微博細粒度情緒分析研究[J];北京大學學報(自然科學版);2014年01期

4 史大偉;袁天偉;;一種粗細粒度結合的動態(tài)污點分析方法[J];計算機工程;2014年03期

5 原子;于莉莉;劉超;;引入缺陷的細粒度軟件變更識別方法[J];北京航空航天大學學報;2014年09期

6 戢彥泓,郭常杰,鐘玉琢,孫立峰;基于細粒度可擴展編碼的多源視頻流化方案[J];清華大學學報(自然科學版);2004年04期

7 涂登彪;譚光明;孫凝暉;;無鎖同步的細粒度并行介度中心算法[J];軟件學報;2011年05期

8 張宇軒;魏廷存;樊曉椏;張萌;;面向流體系的細粒度異步訪存調度[J];計算機應用研究;2012年03期

9 王寬;;基于細粒度調整的同步播放控制算法[J];山西電子技術;2008年05期

10 華秀麗;徐凡;王中卿;李培峰;;細粒度科技論文摘要句子分類方法[J];計算機工程;2012年14期

相關會議論文 前5條

1 葉蘊芳;楊榆;羅鑫;徐國愛;;Appfuse系統(tǒng)中細粒度權限控制的研究與實現(xiàn)[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

2 江偉玉;高能;劉澤藝;林雪燕;;一種云計算中的多重身份認證與授權方案[A];第27次全國計算機安全學術交流會論文集[C];2012年

3 郭磊;唐玉華;周杰;董亞卓;;基于FPGA的Cholesky分解細粒度并行結構與實現(xiàn)[A];2010年第16屆全國信息存儲技術大會（IST2010）論文集[C];2010年

4 李俊青;謝圣獻;劉廣亮;陳晨;;P2P網絡基于蟻群優(yōu)化的動態(tài)細粒度訪問控制框架[A];2008年全國開放式分布與并行計算機學術會議論文集(下冊)[C];2008年

5 盛振華;吳羽;江錦華;壽黎但;陳剛;;InfoSigs:一種面向WEB對象的細粒度聚類算法[A];第26屆中國數據庫學術會議論文集（A輯）[C];2009年

相關重要報紙文章 前2條

1 趙曉濤;巡展中的三大熱門[N];網絡世界;2007年

2 樂天邋編譯;編織一張更好的Web[N];計算機世界;2007年

相關博士學位論文 前3條

1 時杰;關系數據庫細粒度訪問控制研究[D];華中科技大學;2010年

2 朱倩;面向自由文本的細粒度關系抽取的關鍵技術研究[D];江蘇大學;2011年

3 余a\;基于Simulink模型的細粒度多線程技術研究[D];浙江大學;2014年

相關碩士學位論文 前10條

1 趙黎光;基于依存句法的句子級細粒度情感計算[D];華南理工大學;2015年

2 李星宇;一種細粒度Cloud-RAN框架與關鍵技術研究[D];電子科技大學;2014年

3 酈麗珍;基于Open vSwitch虛擬網絡的細粒度訪問控制[D];復旦大學;2013年

4 姚亮;數據訪問控制中基于中間代理的用戶撤銷方法[D];西安電子科技大學;2014年

5 占文平;面向產品評論的情感分析技術研究[D];浙江工商大學;2015年

6 樓弘;基于深度神經網絡的傳感器覆蓋細粒度優(yōu)化研究[D];浙江工業(yè)大學;2015年

7 蔡雅雅;基于半監(jiān)督集成剪枝算法的細粒度城市空氣質量估計[D];浙江大學;2016年

8 何東梅;細粒度物體分類算法研究與實現(xiàn)[D];北京交通大學;2016年

9 廖純;基于句法和語義的話題細粒度情感分析的研究[D];北京理工大學;2016年

10 張s，

本文編號：2213716