中文微博情感傾向性分析研究.pdf

1、情感傾向性分析是通過研究文本中人們的情感，觀點，看法等內(nèi)容，來確定文本中所包含的情感與態(tài)度等主觀信息。情感傾向性分析經(jīng)歷了最近10年的快速迅猛發(fā)展，現(xiàn)在已經(jīng)成為一個熱門研究方向，并產(chǎn)生了巨大的商業(yè)和社會價值。近年來，隨著微博的流行，情感傾向性分析研究也在逐漸關(guān)注微博文本這一充滿潛力的新興領(lǐng)域，已經(jīng)有學(xué)者做出許多探索，但是至今為止仍然存在著許多待解決的問題，如海量中文數(shù)據(jù)難以有效標(biāo)注，微博語料主客觀情感嚴(yán)重失衡，現(xiàn)有機(jī)器學(xué)習(xí)方法容易造成過

2、度訓(xùn)練，中文情感對象領(lǐng)域知識缺少有效利用等等。
　　針對這些已有的問題，本文使用了主動學(xué)習(xí)和馬爾科夫邏輯網(wǎng)算法，對中文微博情感傾向性分析研究進(jìn)行了進(jìn)一步的探索，降低了這些問題對中文微博情感傾向性分析研究產(chǎn)生的影響，使試驗結(jié)果取得了顯著的提升。
　　根據(jù)中文微博數(shù)據(jù)量巨大但是難于標(biāo)注，訓(xùn)練文本稀缺的特點，本文引入了主動學(xué)習(xí)算法。主動學(xué)習(xí)算法可以通過利用大量未標(biāo)注語料信息來擴(kuò)大訓(xùn)練語料的規(guī)模，解決中文微博難于標(biāo)注的問題。同時，本

3、文在主動學(xué)習(xí)算法中使用了適用于微博特點的特征抽取方法以及訓(xùn)練度閾值優(yōu)化，迭代權(quán)重優(yōu)化和不平衡語料優(yōu)化方法，對微博語料主客觀情感嚴(yán)重失衡和過度訓(xùn)練等問題的解決產(chǎn)生了幫助，提升了情感傾向性分析的精準(zhǔn)度。本文在實驗中具體論證了主動學(xué)習(xí)算法以及其各個優(yōu)化方法的有效性。
　　中文微博同時還含有大量情感對象領(lǐng)域知識，如何有效利用這些知識對中文微博的情感傾向性分析產(chǎn)生幫助也是一個值得研究的課題。本文通過使用馬爾科夫邏輯網(wǎng)算法，在傳統(tǒng)機(jī)器學(xué)習(xí)的基

4、礎(chǔ)上，利用馬爾科夫邏輯網(wǎng)算法通過使用一階邏輯的規(guī)則描述，引入了微博情感對象領(lǐng)域知識，優(yōu)化了情感傾向性分析的結(jié)果，并在實驗中通過與傳統(tǒng)機(jī)器學(xué)習(xí)算法進(jìn)行比較體現(xiàn)了其引入新知識的有效性。
　　在進(jìn)行中文微博情感傾向性研究的過程中，發(fā)現(xiàn)當(dāng)前做監(jiān)督機(jī)器學(xué)習(xí)研究缺少一個統(tǒng)一的平臺，控制流程的大量重復(fù)工作占用了寶貴的研究時間。為了高效完成中文微博的情感傾向性分析，并為以后更多的機(jī)器學(xué)習(xí)任務(wù)服務(wù)，本文設(shè)計并完成了一個高效實用的通用化監(jiān)督學(xué)習(xí)平臺，