【摘要】：隨著Web2.0時(shí)代的飛速發(fā)展,網(wǎng)絡(luò)空間越來越成為用戶開放、自由的公共輿論場(chǎng),與現(xiàn)實(shí)世界相比,網(wǎng)絡(luò)世界也具有隱秘性、多樣性、無權(quán)威性、扁平性等特質(zhì),網(wǎng)絡(luò)用戶可以在各種社交媒體暢所欲言,表達(dá)個(gè)人意見和對(duì)社會(huì)生活的見解,諸如微博、朋友圈、論壇、貼吧、電商評(píng)價(jià)網(wǎng)站等已成為用戶傳播海量信息的平臺(tái),其中包含著豐富的公眾評(píng)論意見和情感信息,在一定程度上可形成社會(huì)輿論,影響著突發(fā)事件或者社會(huì)公共事件等的發(fā)展和走向。因此對(duì)用戶情感的判斷不僅可以反映出公眾的情緒走向,便于網(wǎng)絡(luò)輿情態(tài)勢(shì)監(jiān)測(cè),實(shí)現(xiàn)社會(huì)穩(wěn)定,更可以在各種微領(lǐng)域具有重要價(jià)值,如在線產(chǎn)品評(píng)論分析評(píng)價(jià)好壞、股票市場(chǎng)情緒分析進(jìn)行風(fēng)險(xiǎn)控制,電影風(fēng)評(píng)分析預(yù)測(cè)票房收入等。然而互聯(lián)網(wǎng)內(nèi)容傳播過程中也顯現(xiàn)出現(xiàn)實(shí)世界中的巴爾干化現(xiàn)象,即網(wǎng)絡(luò)用戶個(gè)體逐漸演化為具有相同利益或者情感傾向的群體。傳統(tǒng)情感分析方法在文本特征提取上已取得一定成果,忽略了用戶本身的社交關(guān)系,假定數(shù)據(jù)樣本都是符合獨(dú)立同分布假設(shè)的,只分析單個(gè)用戶的情感。但是,用戶之間必然普遍存在著關(guān)聯(lián),用戶社交群體的整體情感傾向性會(huì)比單個(gè)用戶更加明顯和穩(wěn)定,因此,以基于社交網(wǎng)絡(luò)分析的方式對(duì)用戶群情感研究有重要的意義。本文展開的研究工作包含以下幾個(gè)方面:第一,社交網(wǎng)絡(luò)關(guān)聯(lián)挖掘。本文從相似用戶節(jié)點(diǎn)會(huì)有相似的群體傾向的角度出發(fā),提出了一種基于FRAP的網(wǎng)絡(luò)社區(qū)劃分方法。本方法首先在向量空間層面刻畫出用戶節(jié)點(diǎn)的位置信息,定義了能量函數(shù)嵌入力引導(dǎo)空間,通過不斷降低能量大小得到收斂位置向量,并利用多級(jí)鄰居信息融合為節(jié)點(diǎn)差異度矩陣;然后經(jīng)差異度的置信值傳遞聚類得到核心節(jié)點(diǎn),聚類后通過標(biāo)簽優(yōu)化轉(zhuǎn)移的方式實(shí)現(xiàn)模塊值的局部收斂,最終借由衡量系數(shù)的標(biāo)簽聚合更新節(jié)點(diǎn)的類標(biāo)簽,通過歸屬值指導(dǎo)生成的歷史標(biāo)簽序列得到社區(qū)劃分結(jié)果。實(shí)驗(yàn)證明了FRAP方法得到的社區(qū)劃分在測(cè)試集上有更好的表現(xiàn)效果。第二,面向用戶群的情感傾向分析。從用戶群的角度對(duì)情感進(jìn)行多粒度的評(píng)判,首先提出基于單用戶情感偏好的研究假設(shè),并通過建立情感強(qiáng)度和擴(kuò)散熱度的一級(jí)指標(biāo)驗(yàn)證關(guān)于用戶情感的子假設(shè),針對(duì)評(píng)論數(shù)據(jù)中喜悅等正向情感的顯著偏向性以及情感擴(kuò)散等規(guī)律展開分析;其次給出了面向用戶群的情感傾向分析方法,通過社區(qū)劃分的方法確立了聯(lián)系緊密的用戶群體,從歷時(shí)和共時(shí)的角度對(duì)用戶群的情感趨勢(shì)變化進(jìn)行分析,并基于用戶群的規(guī)模、密度、分布等相關(guān)屬性給出情感差異性的探討并進(jìn)行實(shí)驗(yàn)對(duì)比。
【圖文】：

／邐碩士學(xué)位論文逡逑ＭＡＳＴＥＲ＇Ｓ邋ＴＨＥＳＩＳ逡逑２．２基于詞典規(guī)則和模型訓(xùn)練的情感分類方法逡逑當(dāng)前時(shí)代背景下，社交網(wǎng)絡(luò)、電商、金融業(yè)務(wù)不斷發(fā)展，海量數(shù)據(jù)信息涌入互逡逑聯(lián)網(wǎng)，其中大致可以將信息分為兩大類：基于客觀事實(shí)的描述型文本以及基于主體逡逑傾向性的主觀性觀點(diǎn)信息。對(duì)于蘊(yùn)含強(qiáng)烈情感表現(xiàn)的信息，可以對(duì)其主要觀點(diǎn)進(jìn)行逡逑挖掘和情感傾向性分析，一方面可以便于加強(qiáng)輿情監(jiān)測(cè)，掌握網(wǎng)絡(luò)用戶的觀點(diǎn)和意逡逑向，另一方面對(duì)于各種金融預(yù)測(cè)、商業(yè)管理決策和用戶情感個(gè)性化推薦更有廣泛的逡逑應(yīng)用。對(duì)情感的識(shí)別從文本內(nèi)容上可分為對(duì)觀點(diǎn)的識(shí)別、對(duì)情感極性的分類以及對(duì)逡逑具體情感強(qiáng)度的判斷；從粒度上可劃分為詞語級(jí)別、特征級(jí)別、句子級(jí)別以及篇章逡逑級(jí)別；從具體實(shí)現(xiàn)方法上可以分為基于情感詞典、基于特定規(guī)則、基于特征工程與逡逑機(jī)器學(xué)習(xí)以及基于深度神經(jīng)網(wǎng)絡(luò)的方法。逡逑２．２．１利用情感詞典的方法逡逑

和節(jié)點(diǎn)匹配方法逡逑熵在一定程度上反映了各節(jié)點(diǎn)的重要性以及兩用戶節(jié)點(diǎn)之間的關(guān)聯(lián)信息，基于張等％］提極強(qiáng)的描繪社交網(wǎng)絡(luò)中相關(guān)度指標(biāo)，對(duì)于傳直連節(jié)點(diǎn)的相似度，忽視了多級(jí)鄰居的信息，系緊密的節(jié)點(diǎn)之間相似度度量上表現(xiàn)較差，ｖ？ｖＪ）邋＋邋ｍ／（［ｎ＊（ｎ－１）］／２）？［0■；，邋（ｖ？ｖｙ）邋＋邋ｃｒ＾邋（ｖ，，，ｖｙ）］可以對(duì)相似度有更真實(shí)的度量，呈現(xiàn)出深層匹配對(duì)的方式也是一種流行的相似度度量數(shù)量表示節(jié)點(diǎn)間的相似度，在一定程度上也度給出度量指標(biāo)。逡逑干重要問題逡逑述ＦＲＡＰ方法，對(duì)相關(guān)重要概念給出解釋：逡逑是對(duì)網(wǎng)絡(luò)劃分結(jié)果的度量指標(biāo)，定義為網(wǎng)
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：G206;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 韓科倫;范英杰;郭昕;許研;;在線評(píng)論的情感傾向?qū)Σ煌愋彤a(chǎn)品銷量的影響研究[J];管理觀察;2015年36期

2 劉繼;李磊;;暴恐主題下微博用戶特征及情感傾向性分析[J];情報(bào)雜志;2014年12期

3 陳憶金;曹樹金;陳桂鴻;;網(wǎng)絡(luò)輿情意見挖掘:用戶評(píng)論情感傾向分析研究[J];圖書情報(bào)知識(shí);2013年06期

4 金霞;;淺析微博傳播中的群體極化現(xiàn)象[J];新聞傳播;2013年09期

5 任卓明;邵鳳;劉建國(guó);郭強(qiáng);汪秉宏;;基于度與集聚系數(shù)的網(wǎng)絡(luò)節(jié)點(diǎn)重要性度量方法研究[J];物理學(xué)報(bào);2013年12期

6 吳麗華;馮建平;曹均闊;;中文網(wǎng)絡(luò)評(píng)論的IT產(chǎn)品特征挖掘及情感傾向分析[J];計(jì)算機(jī)與數(shù)字工程;2012年11期

7 杜方;宣琦;吳鐵軍;;基于相似度傳播的復(fù)雜網(wǎng)絡(luò)間節(jié)點(diǎn)匹配算法[J];信息與控制;2011年03期

8 張宇鐳,黨琰,賀平安;利用Pearson相關(guān)系數(shù)定量分析生物親緣關(guān)系[J];計(jì)算機(jī)工程與應(yīng)用;2005年33期

本文編號(hào)：2654185