面向話題型微博評論的觀點識別及其情感傾向分析研究.pdf

1、隨著互聯(lián)網在中國的普及，人們的生活方式也逐漸地發(fā)生變化，越來越多的人通過互聯(lián)網獲取和發(fā)布信息。廣大互聯(lián)網用戶開始在微博上傳播政治話題、體育話題、娛樂話題。每天都有大量的具有分析價值的微博評論產生，這些評論信息包含大量情感信息和觀點。
　　微博研究已經成為熱點。通過對中文微博情感分析相關文獻的研究，發(fā)現(xiàn)微博情感分類方法主要有兩類：基于情感詞典的方法和基于機器學習的方法。由于中文語法復雜，基于機器學習的方法無法保留了情感相關特征項之間

2、的關系，也無法應對多個情感詞和評價對象的情況。而基于情感詞典的方法，在情感極性分類過程中，較少考慮到微博話題領域詞匯，同時情感詞典中的情感詞不區(qū)分情感詞之間情感強弱，這樣使得分類結果的準確性受到影響。目前中文微博情感分析缺乏針對性研究，忽略評價對象對情感的極性和強弱影響，而且情感特征項抽取算法也有待改進。
　　針對這些問題，本文采用基于情感詞典的方法，選擇中文情感詞匯本體庫作為本文的基礎情感詞典，有效地改進以往情感詞典不區(qū)分情感之

3、間情感強弱的缺點。并且采用一種基于HowNet的詞匯語義相似度計算方法，構建面向微博話題的領域情感詞典。同時考慮到評價對象對微博情感分類的影響，構建合理的評價對象詞典。本文采用規(guī)則和 SVM模型進行觀點識別，篩選出和微博話題相關的微博評論，提高情感分析中評論文本的質量。然后對微博評論文本進行相應的文本預處理，并采用平滑算法、語法規(guī)則相結合，作為微博評論文本情感特征項抽取方法，對微博評論中的否定詞、程度副詞、微博表情符號、情感詞以及評論中

4、的評價對象做相應的處理。最后本文結合微博評論語句情感計算公式，對評論句的情感傾向進行分類，有效改進了以往微博情感分析的缺陷，實現(xiàn)了一個能夠較為合理判斷微博評論句情感強弱的計算公式。不同的話題，其領域詞典存在不同。本文基于微博話題構建針對性的情感傾向詞典和評價對象詞典做特定話題的情感分析研究，可以進一步提升情感分析效果。
　　實驗數(shù)據采用數(shù)據堂提供的微博語料，包含生活、交通事故、科技三個領域的微博話題評論數(shù)據，實驗結果表明，本文設計