基于中文微博的電影評論情感極性分類及輿論演化分析_3871.pdf

1、隨著Web2.0時代的到來，互聯網技術得到了飛速的發(fā)展，在這過程中出現了許多網絡社交平臺，例如國內外的新浪微博、騰訊微博、Twitter、FaceBook等，然而正是由于這些社交網絡的出現，不僅豐富了人們的生活并且也改變了人們的生活方式。微博由于其強大的影響力和滲透力，越來越多的人喜歡在微博上發(fā)表電影評論。微博中的電影評論是用戶對電影好壞的一種實時的表達方式，以此來展示自己對于該電影的整體感受，對這些評論信息進行情感極性分類和整體評價的

2、輿論演化分析，不僅有助于人們對于電影的整體把握，以此來選擇自己喜歡的符合自己口味的電影，同時也有利于制片商及時獲取大眾關于電影的整體輿論傾向，從而去調整相應的營銷策略以此引導電影輿論的走向，建立好的口碑，以此能提高電影的票房成績。并且微博中的電影評論每天更新量大，及時性強，對于電影營銷來說，具有重要的價值。微博中的電影評論與傳統(tǒng)的電影評論有很大的不同，微博中的電影評論主題比較多，字數少，數據稀疏，而且語言比較隨意，情感表達也多樣化，與傳

3、統(tǒng)的電影評論有很大的不同。因此，本文根據微博電影評論的這些特點，對其情感極性分類以及評價主題進行了相關研究，研究內容如下：
　　（1）本文提出了一種改進的PMI-IR模型來對中文微博的電影評論進行情感極性分類，這種改進的模型本文稱為PMI-IR-II。本文主要從以下三個方面進行了改進：首先，在對短語模式的提取上，本文提出了一種新模式的短語提取，來更加適應微博文本的特點。然后，在對參考詞的選取上，本文人工選擇了6個在電影評論領域出現

4、頻率較高且具有明顯的情感傾向的詞作為情感參考詞，選多個參考詞是為了消除單一參考詞可能帶來的誤差。最后，本文考慮到微博的特點以及中文語言的特點，探索了在程度副詞、否定句、轉折連詞、比較句、疑問句等中文語言環(huán)境下，對短語的情感值進行了修正，最后利用計算評論文本的修正后的平均情感值來判斷電影評論的情感極性。
　?。?）微博電影評論的輿論演化分析，本章節(jié)主要是從全局分析微博電影評論的情感極性及主題，針對的是一部電影的不同時間段的評論。文章

5、首先提出了一種改進的情感主題模型，本文稱為BJST（Biterm joint sentiment/topic），該模型是對情感主題模型JST（Joint sentiment/topic）的改進，在JST的基礎上引入了詞對的概念，來緩解短文本的稀疏性以及加強了對一詞多義的理解。然后對不同時間段的微博電影評論進行BJST建模，對提取出的主題計算主題強度和主題相似度，最后做出主題強度和主題情感在不同時間片上的變化圖。該方法能在不同時間序列上同