網(wǎng)絡(luò)用戶情感傾向分析與應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，博客、微博以及電子商務(wù)等新興社會媒體相繼出現(xiàn)，網(wǎng)絡(luò)用戶越來越傾向于在這些網(wǎng)絡(luò)平臺上交流信息、共享觀點。這類信息包含著用戶對各類產(chǎn)品、新聞事件、組織團體的態(tài)度看法，積聚在一起具有巨大的商業(yè)價值。海量的網(wǎng)絡(luò)評論數(shù)據(jù)迫切需要自動化的處理方式，情感分析作為一種自動化的評論分析方式應(yīng)運而生，提出至今已得到了廣泛的研究，并在企業(yè)決策、輿情控制、信息預(yù)測等多個領(lǐng)域發(fā)揮作用。論文探究網(wǎng)絡(luò)用戶的情感傾向，重點對評論文本中情感信息

2、抽取、情感極性分類兩個方面進行了研究，最后設(shè)計并實現(xiàn)了一個網(wǎng)絡(luò)用戶情感傾向分析系統(tǒng)。
　　在情感信息抽取方面，論文提出了有效實現(xiàn)用戶詞典、領(lǐng)域相關(guān)情感詞、評價搭配三種情感信息抽取的方法。首先提出基于統(tǒng)計量的方法來構(gòu)建用戶詞典，該詞典可在分詞過程中導入來提升分詞效果，也可用于情感詞典的構(gòu)建；其次提出基于共現(xiàn)圖的方法解決情感詞極性的領(lǐng)域依賴問題；最后提出一種基于句法分析的算法，可有效抽取出文本中的評價搭配，其中包含基于圖的種子情感詞庫

3、的構(gòu)建方法，該情感詞庫可用來識別未登錄情感詞的極性。
　　在情感分類方面，提出了 IG-BP分類算法，主要包含特征建模、特征篩選、情感分類三個過程，并利用產(chǎn)品和新聞兩類數(shù)據(jù)集對論文提出的算法進行實際測試，實驗結(jié)果顯示兩類數(shù)據(jù)集最優(yōu)模型準確率分別達到90％和87%。同時，論文還研究了新聞文本的主題聚類，目的是將同一主題的多源新聞文本聚合，以支持下一步對該主題的情感分類。針對此任務(wù)，論文提出了向量空間模型和概率主題模型兩種文本建模方式