基于文本分析的情感挖掘模型研究與應(yīng)用.pdf

1、當(dāng)下互聯(lián)網(wǎng)技術(shù)迭代更新頻繁，網(wǎng)絡(luò)社交媒體更是呈現(xiàn)出蓬勃的發(fā)展態(tài)勢(shì)，民眾在互聯(lián)網(wǎng)上發(fā)表意見的渠道得到了極大拓展，造成了網(wǎng)絡(luò)信息資源的極速增長。網(wǎng)絡(luò)信息資源通常以非結(jié)構(gòu)化數(shù)據(jù)為主，文本信息作為最典型的非結(jié)構(gòu)化數(shù)據(jù)占據(jù)著極大比例，而且這些文本信息往往都蘊(yùn)含著用戶針對(duì)熱點(diǎn)事件或品牌口碑的情感傾向，從這些海量的文本中獲取有用的情感信息是一件具有挑戰(zhàn)性的事情。因此，情感挖掘技術(shù)應(yīng)運(yùn)而生，該技術(shù)主要通過文本分析挖掘其中的情感信息，并對(duì)其進(jìn)行情感分類。

2、其中句子級(jí)的情感挖掘技術(shù)應(yīng)用最為廣泛，在品牌口碑評(píng)價(jià)和輿情監(jiān)控領(lǐng)域都有著較大貢獻(xiàn)。本文主要對(duì)句子級(jí)的情感挖掘方法進(jìn)行了研究，涉及的主要工作如下：
　　1）基于句法依存分析的情感分類模型研究。傳統(tǒng)的情感挖掘方法一般只關(guān)注詞語本身，忽略句子的句法結(jié)構(gòu)和詞語之間的語義關(guān)聯(lián)度，而這些信息在文本情感挖掘中有著重要作用。為此，本文提出了一種基于句法依存分析的情感分類模型，主要包括句子級(jí)的情感信息抽取策略和基于 KNN算法的依存關(guān)系簇情感判別方

3、法，并在 NLP&CC2013數(shù)據(jù)集上進(jìn)行了測試。與傳統(tǒng)方法相比，該模型的準(zhǔn)確率顯著提升，召回率基本持平，F(xiàn)1值略微提升，且較容易受到訓(xùn)練集規(guī)模的影響。
　　2）基于中文情感詞的句子情感傾向性研究。PMI-IR算法作為情感傾向計(jì)算領(lǐng)域的典型算法，在英文的語言環(huán)境下提出，不能完全適用于中文。另外，該算法采用的標(biāo)準(zhǔn)詞單一、情感分類粒度不夠，且涉及到發(fā)送HTTP請(qǐng)求進(jìn)行信息檢索使得計(jì)算比較耗時(shí)。本文針對(duì)以上缺陷提出了相應(yīng)的改進(jìn)策略，包括