基于機器學(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行研究。本研究是將幾種特征進行提煉、融合通過改進的機器學(xué)習(xí)方法來增強分類效果。
　　情感分析在輿論監(jiān)控、商品檢驗有著廣泛的應(yīng)用?；诖?，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)的機器學(xué)習(xí)算法進行融合，達到更好的分析效果。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