發(fā)布時(shí)間：2021-07-01 16:45

　　微博平臺(tái)作為中文區(qū)最大的社交網(wǎng)絡(luò)媒體早已成為網(wǎng)民發(fā)表觀(guān)點(diǎn)與表達(dá)情緒的重要陣地。社交網(wǎng)絡(luò)媒體文本中蘊(yùn)含的情緒信息能夠?qū)λ水a(chǎn)生影響,并且有可能在公共事件傳播上起到不可忽視的作用,這就使得有必要探究個(gè)體在此類(lèi)環(huán)境中的情緒表達(dá)特點(diǎn)。人格作為影響情緒表達(dá)的重要因素,以往在研究人格對(duì)情緒表達(dá)的影響時(shí),通常以壓力情景作為實(shí)驗(yàn)場(chǎng)景,將情緒表達(dá)作為個(gè)體面對(duì)壓力時(shí)的情緒應(yīng)對(duì)策略。對(duì)于社交網(wǎng)絡(luò)媒體環(huán)境下,人格對(duì)情緒表達(dá)的影響還研究得比較少。因此,本研究選擇微博平臺(tái),對(duì)不同人格傾向用戶(hù)的情緒表達(dá)特點(diǎn)進(jìn)行分析。由于利用傳統(tǒng)問(wèn)卷獲取大量微博用戶(hù)的人格分?jǐn)?shù)費(fèi)時(shí)費(fèi)力,本研究首先選擇建立分類(lèi)模型以實(shí)現(xiàn)對(duì)微博用戶(hù)的人格預(yù)測(cè),再使用在線(xiàn)文本分析技術(shù)對(duì)不同人格類(lèi)型微博用戶(hù)的情緒表達(dá)特點(diǎn)進(jìn)行分析。在研究一中,首先利用前人研究結(jié)果中與大五人格各維度最相關(guān)的表達(dá)詞匯作為種子詞,進(jìn)行翻譯和分類(lèi)。再隨機(jī)爬取3374名中文活躍微博用戶(hù)的原創(chuàng)微博作為語(yǔ)料庫(kù),利用Word2Vec和語(yǔ)料庫(kù)對(duì)翻譯后的種子詞進(jìn)行擴(kuò)充。再基于協(xié)商一致原則,由兩名心理學(xué)碩士對(duì)擴(kuò)充后的詞匯進(jìn)行篩選,形成初版人格詞庫(kù)。隨后,選取三種分類(lèi)機(jī)器學(xué)習(xí)算法對(duì)初版人格詞庫(kù)進(jìn)行驗(yàn)... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２三種分類(lèi)器乃值表現(xiàn)??

３．４結(jié)果與討論??３．４．１詞庫(kù)驗(yàn)證效果??三種模型５倍交叉驗(yàn)證的巧值見(jiàn)圖３．Ｚ隨機(jī)森林（ＲＦ）的效果最好，開(kāi)放性達(dá)到０．６６，??盡責(zé)性達(dá)到０．７５，外傾性達(dá)到０．７５，宜人性達(dá)到０．７２，神經(jīng)質(zhì)迗到０．７０，隨機(jī)森林詳細(xì)結(jié)??果見(jiàn)表３．４。??使用同樣的特征處理方式和隨機(jī)森林算法，使用萬(wàn)丹琳（２０１４）利用相關(guān)分析得到的ＳＣ－??ＬＩＷＣ中，與大五人格各維度最相關(guān)的６個(gè)維度中的詞匯對(duì)人格進(jìn)行預(yù)測(cè)，６個(gè)維度見(jiàn)表??３．５，人格維度行對(duì)應(yīng)的是相關(guān)系數(shù)，系數(shù)的上一行是對(duì)應(yīng)的ＳＣ－ＬＩＷＣ中的維度。乃值對(duì)??比結(jié)果見(jiàn)圖３．３，由圖可見(jiàn)，利用基于社交網(wǎng)絡(luò)媒體語(yǔ)料庫(kù)詞擴(kuò)充的人格詞典，各維度下??的凡值都高于ＳＣ－ＬＩＷＣ中與大五人格最相關(guān)６個(gè)維度詞匯預(yù)測(cè)的結(jié)果，Ｆ！值最高提升??０．１６。??０．８??ｉｔ?ＩＩＩＩ?ｎ?ＩＩ??開(kāi)放性?盡責(zé)性?外傾性?宜人性?神經(jīng)質(zhì)??■?ＳＶＭ?ＥＬＲ?ＲＦ??圖３．２三種分類(lèi)器乃值表現(xiàn)??１５??

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合word2vec與擴(kuò)充情感詞典的微博多元情感分類(lèi)研究[J]. 王名揚(yáng),吳歡,賈曉婷.  東北師大學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于扎根理論與詞典構(gòu)建的微博突發(fā)事件情感分析與輿情引導(dǎo)策略[J]. 張鵬,崔彥琛,蘭月新,吳立志.  現(xiàn)代情報(bào). 2019(03)
[3]基于中文社交媒體文本的領(lǐng)域情感詞典構(gòu)建方法研究[J]. 蔣翠清,郭軼博,劉堯.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2019(02)
[4]跳出傳統(tǒng)假設(shè)檢驗(yàn)方法的陷阱——貝葉斯因子在心理學(xué)研究領(lǐng)域的應(yīng)用[J]. 吳凡,顧全,施壯華,高在峰,沈模衛(wèi).  應(yīng)用心理學(xué). 2018(03)
[5]貝葉斯因子及其在JASP中的實(shí)現(xiàn)[J]. 胡傳鵬,孔祥禎,Eric-Jan Wagenmakers,Alexander Ly,彭凱平.  心理科學(xué)進(jìn)展. 2018(06)
[6]基于社交網(wǎng)絡(luò)的人格分析與預(yù)測(cè)[J]. 于建偉.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2018(04)
[7]邏輯回歸方法原理與應(yīng)用[J]. 李卓冉.  中國(guó)戰(zhàn)略新興產(chǎn)業(yè). 2017(28)
[8]基于微博用戶(hù)的情緒變化分析[J]. 汪靜瑩,甘碩秋,趙楠,劉天俐,朱廷劭.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2016(06)
[9]大學(xué)生人格特征與情緒應(yīng)對(duì)策略的關(guān)系[J]. 王滔.  中國(guó)健康心理學(xué)雜志. 2014(11)
[10]社交網(wǎng)絡(luò)用戶(hù)的人格分析與預(yù)測(cè)[J]. 張磊,陳貞翔,楊波.  計(jì)算機(jī)學(xué)報(bào). 2014(08)

博士論文
[1]微博客社會(huì)情緒的測(cè)量及其與社會(huì)風(fēng)險(xiǎn)感知和風(fēng)險(xiǎn)決策的關(guān)系[D]. 董穎紅.南開(kāi)大學(xué) 2014

碩士論文
[1]基于中文微博的用戶(hù)傾向挖掘與分析[D]. 萬(wàn)丹琳.北京郵電大學(xué) 2015



本文編號(hào)：3259502