中文微博情緒分析.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，以各種新聞、博客、論壇等為來源的信息呈現(xiàn)出海量增加的態(tài)勢。微博，又名微型博客，是一種基于web技術(shù)的網(wǎng)絡(luò)用戶信息分享平臺，用戶方便地通過PC、移動設(shè)備登錄，微博為人們提供跨越時(shí)間、空間的通訊方式，可以為人們提供一個(gè)展示個(gè)性、表達(dá)感情的空間。微博的一大顯著特征是它的實(shí)時(shí)性，即每時(shí)每刻都會產(chǎn)生許多帶有情緒色彩的信息。情緒分析指的是針對說話者在表達(dá)信息時(shí)所含有的內(nèi)在情緒進(jìn)行相應(yīng)地分析和歸納，例如可以對他們的觀點(diǎn)、態(tài)度

2、等方面進(jìn)行深入地分析和歸類，以至于可以從中既快速又精確地捕捉關(guān)鍵信息。這樣的分析和歸類結(jié)果可以應(yīng)用于許多實(shí)際的場景，以企業(yè)員工微博為例，可以通過微博內(nèi)容的情緒分析，從側(cè)面得出員工對于企業(yè)決策、制度等等的態(tài)度，為企業(yè)政策更好的落實(shí)和執(zhí)行進(jìn)行有力支持。
　　本論文圍繞中文微博內(nèi)容情緒的分析和研究，綜合運(yùn)用了自然語言處理、機(jī)器學(xué)習(xí)技術(shù)。主要完成的工作有：
　?。?）中文微博情緒分析，通過文本去噪、基于同義詞詞林和互信息量的情緒詞典

3、擴(kuò)展等準(zhǔn)備工作，使用TF-IDF對文本中的關(guān)鍵情感詞計(jì)算權(quán)重值，并以此權(quán)重對微博文本提取特征矩陣。根據(jù)特征矩陣高維、稀疏，采用線性SVM(Linear SVM)分類器對微博進(jìn)行情緒類別(anger憤怒、disgust厭惡、fear恐懼、happiness高興、like喜好、sadness悲傷、surprise驚訝、none無情緒中的一種)分析。
　　（2）微博中的每個(gè)句子有無情緒判斷，使用LDA（隱狄利克雷）算法得到微博句子與隱含

4、主題的對應(yīng)概率矩陣，以此作為文本特征矩陣，使用非線性SVM進(jìn)行是否包含情緒的判斷。
　?。?）句子的主要情緒和次要情緒的判斷，使用句子成分分析法，對句子中出現(xiàn)的各類情緒詞、表情以及影響其權(quán)重的程度副詞、關(guān)聯(lián)詞、雙重否定詞等進(jìn)行綜合考慮，計(jì)算權(quán)重和，按照值大小排序確定主要、次要情緒。本論文通過對官方語料采用各種分類模型的實(shí)驗(yàn)，在中文微博情緒分析任務(wù)中，結(jié)合微博文本的特點(diǎn)，創(chuàng)新性地采用了TF-IDF和線性SVM（Linear SVM）