微博客細(xì)粒度情感分析技術(shù)的研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩78頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著社會(huì)媒體平臺(tái)的普及,越來(lái)越多的人喜歡通過(guò)網(wǎng)絡(luò)對(duì)人物、事件、產(chǎn)品等信息發(fā)表評(píng)論并表達(dá)個(gè)人的觀點(diǎn)。在此背景下,微博客作為一種新興的社會(huì)媒體,發(fā)展迅速,在短短幾年的時(shí)間內(nèi)即擁有了大量的用戶群體。微博客中包含了大量的用戶主觀發(fā)表的有價(jià)值的評(píng)論信息,這些信息表達(dá)了用戶的各種情感,因而針對(duì)微博客的情感分析在網(wǎng)絡(luò)輿情分析中起著非常重要的作用。但是,目前針對(duì)微博客的情感分類大多是諸如“正、反”或“正、中、反”這種粗粒度的,本文針對(duì)微博客的特點(diǎn),著重

2、研究微博客的細(xì)粒度情感分析技術(shù)和相關(guān)問(wèn)題。
  首先,研究面向微博客細(xì)粒度情感分析的微博客相似度計(jì)算。由于微博文本的簡(jiǎn)短性,兩條微博中出現(xiàn)的相同的特征詞數(shù)量極少,因而簡(jiǎn)單使用TF-IDF方法得到的向量空間模型的向量值非常稀疏,相似度的計(jì)算結(jié)果不理想。為降低微博特征詞稀少對(duì)相似度計(jì)算的影響,本文采用基于LDA模型,計(jì)算得出微博數(shù)據(jù)的主題—詞概率分布,通過(guò)計(jì)算兩條微博互異特征詞的主題相關(guān)度,更新相應(yīng)特征詞的向量值的方法。最后通過(guò)余弦相

3、似度的方法計(jì)算兩條微博的相似度。實(shí)驗(yàn)證明了此種方法的相似度計(jì)算是有效的。同時(shí),在實(shí)驗(yàn)前,對(duì)數(shù)據(jù)進(jìn)行刪除垃圾微博及無(wú)用字段處理及分詞和刪除停用詞等預(yù)處理以得到實(shí)驗(yàn)所需的純凈數(shù)據(jù),并將微博所表達(dá)的細(xì)粒度情感劃分為“高興”、“喜愛(ài)”、“傷心”、“焦慮”、“憤怒”五類,以具有細(xì)粒度情感標(biāo)注的表情符號(hào)詞典為基礎(chǔ)對(duì)微博數(shù)據(jù)進(jìn)行情感標(biāo)注,得到最終的實(shí)驗(yàn)數(shù)據(jù)。
  其次,研究基于貝葉斯定理的微博客細(xì)粒度情感分析。以訓(xùn)練數(shù)據(jù)為基礎(chǔ),首先訓(xùn)練得出每個(gè)

4、特征詞屬于每種情感的概率,然后計(jì)算出每條微博具有每種情感的概率值,最后計(jì)算得出微博客的細(xì)粒度情感序列。通過(guò)實(shí)驗(yàn)證明基于貝葉斯的方法對(duì)微博客細(xì)粒度情感分析具有較好的效果。
  然后,研究基于K近鄰的細(xì)粒度情感分析。以微博相似度計(jì)算為基礎(chǔ),得到每條微博的K近鄰。通過(guò)測(cè)試數(shù)據(jù)與近鄰微博的相似度及近鄰微博的情感序列,計(jì)算得出微博所表達(dá)的細(xì)粒度情感序列。通過(guò)實(shí)驗(yàn)證明K近鄰方法對(duì)微博客細(xì)粒度情感分析具有比較好的結(jié)果。
  最后,針對(duì)基于

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論