情感組塊與機器學習相結(jié)合的文本傾向性分析.pdf

1、隨著虛擬社區(qū)這一新網(wǎng)絡(luò)團體形式的出現(xiàn),各種論壇應(yīng)運而生,這些論壇上充斥著人們對生活及周邊事物的評價和看法。在這些意見和和評論中,包含著說話人的主觀意見,表達了評論人的情感傾向。識別出其中帶有的情感傾向性,可以幫助我們更好的理解評論人的態(tài)度和立場,為面向商家的產(chǎn)品反饋,面向政府管理的信息過濾、民意分析等提供信息技術(shù)的支持。因此,文本的情感傾向性分析成為解決這一問題的關(guān)鍵技術(shù),具有廣泛的應(yīng)用前景。
　　 采用機器自動處理的手段對網(wǎng)絡(luò)

2、評論進行情感分析判別,是當前互聯(lián)網(wǎng)智能信息處理的一個研究熱點,具有較大的實用價值。但由于網(wǎng)絡(luò)評論文本具有的特殊性,原有的文本情感分類方法不能獲得較為理想的效果。其主要原因在于:(1)網(wǎng)絡(luò)評論文本形式不規(guī)范,包含大量網(wǎng)絡(luò)用語,不能被正確分詞;(2)評論中包含對客觀事實的陳述,這些信息與情感分類無關(guān),會對最終的分類結(jié)果造成影響;(3)單純地提取評論中的主觀句,會丟失掉不以主觀形式出現(xiàn)但存在褒貶傾向性的信息。因此,如何有效地提取網(wǎng)絡(luò)評論文本中

3、的情感信息,是提高情感分類效果的關(guān)鍵。針對以上存在的問題,本文提出了一種將情感組塊與機器學習相結(jié)合的方法,對網(wǎng)絡(luò)評論文本的情感傾向性分析問題進行了深入的研究,并將SVM算法應(yīng)用到情感傾向性分析系統(tǒng)中,在不同規(guī)模的軍事評論樣本集下進行了實驗。主要的研究工作有:
　　 (1)針對網(wǎng)絡(luò)評論中存在大量的形式不規(guī)范的網(wǎng)絡(luò)用語,導(dǎo)致原分詞軟件無法識別的問題,建立了網(wǎng)絡(luò)用語詞典,對評論文檔中出現(xiàn)的如拼音、縮寫等不規(guī)范詞語進行有效還原,從而保證

4、了分詞的準確性,也使得一些包含作者情感的信息不被丟失,進而提高分類的正確率;
　　 (2)根據(jù)語料特征,建立了領(lǐng)域情感詞典,實現(xiàn)對原評論中的非情感信息進行有效過濾,降低了無關(guān)信息對分類效果的影響;
　　 (3)提出情感組塊的概念,將那些具有褒貶傾向性的表達形式定義并標記為情感組塊,作為情感特征提取,從而保證了情感信息能得到有效保留;
　　 (4)將情感組塊與支持向量機相結(jié)合,在不同規(guī)模的語料上先后進行多組實驗,并