基于SVM的微博情感傾向性分析研究.pdf

1、隨著Web2.0時(shí)代的到來,網(wǎng)絡(luò)的發(fā)展已經(jīng)進(jìn)入人們生活的各個(gè)領(lǐng)域，近年來微博的出現(xiàn)，讓生活更加豐富。微博影響力的增長(zhǎng)，吸引了大批學(xué)者對(duì)微博客的深入研究，而情感詞識(shí)別和情感分析成為了一個(gè)重要的課題。在微博的開放平臺(tái)，提供的功能是可以查閱信息，也可以發(fā)布信息給別人來看。與此同時(shí)，隨著發(fā)布信息的多元化，隨之產(chǎn)生了新問題，如，情感新詞的出現(xiàn)及對(duì)微博句的情感極性分析，新詞的出現(xiàn)給中文分詞產(chǎn)生很多難以識(shí)別的“散串”和“碎片”；情感分析時(shí)判別感情傾向

2、性微博客的文字，屬于判斷積極的，消極的，中立的法官。對(duì)這些文本的情感傾向性，可以對(duì)網(wǎng)民的情緒有掌握，不僅有一定的商業(yè)價(jià)值，還有益于社會(huì)、還可以幫助我們?cè)谳浨楸O(jiān)控、詞庫更新、自然語言處理等領(lǐng)域完善。
　　每天數(shù)以萬計(jì)的中文微博用戶刷新信息，對(duì)微博情感詞的產(chǎn)生以及對(duì)極性分析的問題都隨之產(chǎn)生，做好這些工作對(duì)了解用戶的態(tài)度很重要和迫切。本文通過從實(shí)驗(yàn)提供的數(shù)據(jù)，通過條件隨機(jī)場(chǎng)進(jìn)行情感詞識(shí)別，進(jìn)行詞性標(biāo)注，結(jié)合上下文信息特征，構(gòu)建特征向量，

3、對(duì)語料數(shù)據(jù)進(jìn)行訓(xùn)練模型構(gòu)建和測(cè)試，最后得到情感詞的正確率（Precision）、召回率(Recall)和F-值。對(duì)微博情感詞進(jìn)行有效正確的識(shí)別是判別微博文本情感傾向性的前提和基礎(chǔ)。本文首先結(jié)合中文信息處理、自然語言等知識(shí)，結(jié)合實(shí)驗(yàn)室對(duì)情感新詞發(fā)現(xiàn)和情感傾向分析的研究，論述情感傾向相關(guān)的各種關(guān)系，是建立在微博情感傾向性判斷現(xiàn)有所做分析的基礎(chǔ)之上的。本論文的研究最終目的是提高數(shù)據(jù)結(jié)果的正確率、召回率及F-值，為更進(jìn)一步的研究奠定基礎(chǔ)。