基于潛城語義的Web評論情感傾向性研究.pdf

1、隨著互聯(lián)網(wǎng)絡(luò)的普及，人們獲取信息的方式逐步從報紙、廣播和電視等傳統(tǒng)媒體向互聯(lián)網(wǎng)轉(zhuǎn)變。越來越多的人熱衷于借助論壇、博客和微博等進行信息交流，互聯(lián)網(wǎng)已然成為當(dāng)今社會信息傳播的主流載體。然而，互聯(lián)網(wǎng)的開放性、實時性及多元性等特點，使得網(wǎng)絡(luò)在某種層面上成為了謠言滋生和擴散之地。特別是隨著網(wǎng)民數(shù)量的激增，Web信息量呈井噴式發(fā)展，如何有效的實現(xiàn)網(wǎng)絡(luò)輿情的監(jiān)測與安全預(yù)警顯得尤為重要。
　　情感傾向分析能夠從海量Web評論信息中挖掘出話題的觀點

2、傾向，迅速發(fā)現(xiàn)熱點輿情并預(yù)測其發(fā)展趨勢，可以有效的對網(wǎng)絡(luò)輿情進行監(jiān)測及安全預(yù)警。然而，現(xiàn)有文本情感傾向分析中普遍存在分類準(zhǔn)確率不高的問題，其應(yīng)用將受到很大的限制。因此，本文針對情感傾向分類中存在的問題及其應(yīng)用的關(guān)鍵技術(shù)進行深入研究，主要研究工作如下:
　　1)針對現(xiàn)有的文本情感傾向分類方法中普遍存在數(shù)據(jù)稀疏、一詞多義和多詞一義問題，提出了一種結(jié)合潛在語義分析(LatentSemanticAnalysis，LSA)和支持向量機(Su

3、pportVectorMachine，SVM)的文本情感傾向分類方法。從詞語的上下文環(huán)境來考慮詞語的語義信息，能夠消除文檔集中詞語存在的一詞多義和多詞一義問題可能產(chǎn)生的語義偏差，提高詞語語義表達(dá)的準(zhǔn)確性，并擴大詞語在文檔中的覆蓋能力。實驗證明，該方法可以有效的改善現(xiàn)有文本情感傾向分類方法中存在的上述問題，提高文本情感傾向分類的準(zhǔn)確率。
　　2)針對現(xiàn)有熱點話題發(fā)現(xiàn)及預(yù)測方法中忽略觀點傾向?qū)υ掝}熱度影響的問題，在現(xiàn)有方法的基礎(chǔ)上結(jié)合