基于Word2Vec的微博情感新詞識別與傾向判斷研究.pdf

1、如今，信息在網(wǎng)絡上以爆炸的形式產(chǎn)生，信息的主要載體——網(wǎng)絡文本承載著網(wǎng)民的情緒、觀點與意見，分析這些文本，對于政府來說，可以及時了解公共輿情并引導輿論導向;對于企業(yè)來說，可以及時發(fā)現(xiàn)自身問題并改進企業(yè)服務。目前常用的情感詞典并不能有效覆蓋所有常用情感詞。微博等新媒體逐漸流行，導致網(wǎng)絡語言碎片化、新詞不斷產(chǎn)生和傳播，給文本情感分析帶來了困難。
　　本文立足于識別情感詞典中未包含的情感新詞，并判斷其情緒傾向。具體的研究內容如下:

2、>　　1)微博語料的特征分析及情感詞識別工作的預處理。為了保證情感詞識別的準確率，同時又識別更多的情感詞語，本文在實驗過程中，針對微博語料的特點，制定了數(shù)據(jù)清洗方案、新詞識別方案，構建了表情符號情感詞典。
　　2)基于詞向量計算詞語相似度并識別情感詞。詞向量是指將文本中的詞語表示成空間向量的形式，這種方案在轉化過程中考慮了詞語出現(xiàn)的語境和搭配關系，可以保留更多的自然語言信息。本文將借助Word2Vec工具，將大規(guī)模微博語料中的詞匯

3、向量化，然后計算詞語在多維空間中的距離，識別詞語間的相似性。然后根據(jù)詞語的最相近的一些近義詞，判別詞語的是否是情感詞，以及詞語的傾向。
　　3)結合詞共現(xiàn)與詞向量相似度識別情感詞。基于詞共現(xiàn)識別情感詞與基于詞向量相似度識別情感詞是兩種不同的思想。前者依據(jù)詞語分別與正面種子詞和負面種子詞共現(xiàn)的頻率來判斷詞語傾向，后者利用詞語上下文的語境將其轉化為向量形式，再根據(jù)詞語與基礎情感詞的近義關系判斷詞語傾向。本文把兩種情感詞識別方法結合起來