基于機(jī)器學(xué)習(xí)的微博評論信息傾向性分析的研究.pdf

1、本文的重點研究對象是微博評論信息的傾向性分析，主要的研究內(nèi)容是以新浪微博中的評論為研究對象并且對評論中的情感傾向進(jìn)行研究。本研究是將幾種特征進(jìn)行提煉、融合通過改進(jìn)的機(jī)器學(xué)習(xí)方法來增強(qiáng)分類效果。
　　情感分析在輿論監(jiān)控、商品檢驗有著廣泛的應(yīng)用。基于此，本文提出一個設(shè)想，把評論劃分成三種類型：垃圾評論、主觀評論、客觀評論。針對不同類型的評論選取相應(yīng)的方式進(jìn)行分析，主觀評論褒貶傾向是此研究分析的重點。
　　本文首先對評論數(shù)據(jù)進(jìn)行清

2、理，剝離垃圾評論以及客觀性評論。其中利用幾種特征的有效融合并結(jié)合樸素貝葉斯、閾值劃分等技術(shù)方法判斷垃圾評論、客觀評論，大大降低了文本的噪聲。
　　其次，針對文本褒貶傾向性分析，通過比較幾種特征提取方法，并在其基礎(chǔ)上改進(jìn)情感詞的選取方式和權(quán)值計算方式，構(gòu)成新的文本向量空間。通過集成學(xué)習(xí)方法以及投票方式將傳統(tǒng)的機(jī)器學(xué)習(xí)算法進(jìn)行融合，達(dá)到更好的分析效果。本文實現(xiàn)了針對情感詞的特征提取和權(quán)值計算的性能提升，使用AdaBoost、Rando