中文微博情感傾向性分析研究.pdf

1、情感傾向性分析是通過研究文本中人們的情感，觀點，看法等內容，來確定文本中所包含的情感與態(tài)度等主觀信息。情感傾向性分析經歷了最近10年的快速迅猛發(fā)展，現(xiàn)在已經成為一個熱門研究方向，并產生了巨大的商業(yè)和社會價值。近年來，隨著微博的流行，情感傾向性分析研究也在逐漸關注微博文本這一充滿潛力的新興領域，已經有學者做出許多探索，但是至今為止仍然存在著許多待解決的問題，如海量中文數(shù)據難以有效標注，微博語料主客觀情感嚴重失衡，現(xiàn)有機器學習方法容易造成過

2、度訓練，中文情感對象領域知識缺少有效利用等等。
　　針對這些已有的問題，本文使用了主動學習和馬爾科夫邏輯網算法，對中文微博情感傾向性分析研究進行了進一步的探索，降低了這些問題對中文微博情感傾向性分析研究產生的影響，使試驗結果取得了顯著的提升。
　　根據中文微博數(shù)據量巨大但是難于標注，訓練文本稀缺的特點，本文引入了主動學習算法。主動學習算法可以通過利用大量未標注語料信息來擴大訓練語料的規(guī)模，解決中文微博難于標注的問題。同時，本

3、文在主動學習算法中使用了適用于微博特點的特征抽取方法以及訓練度閾值優(yōu)化，迭代權重優(yōu)化和不平衡語料優(yōu)化方法，對微博語料主客觀情感嚴重失衡和過度訓練等問題的解決產生了幫助，提升了情感傾向性分析的精準度。本文在實驗中具體論證了主動學習算法以及其各個優(yōu)化方法的有效性。
　　中文微博同時還含有大量情感對象領域知識，如何有效利用這些知識對中文微博的情感傾向性分析產生幫助也是一個值得研究的課題。本文通過使用馬爾科夫邏輯網算法，在傳統(tǒng)機器學習的基

4、礎上，利用馬爾科夫邏輯網算法通過使用一階邏輯的規(guī)則描述，引入了微博情感對象領域知識，優(yōu)化了情感傾向性分析的結果，并在實驗中通過與傳統(tǒng)機器學習算法進行比較體現(xiàn)了其引入新知識的有效性。
　　在進行中文微博情感傾向性研究的過程中，發(fā)現(xiàn)當前做監(jiān)督機器學習研究缺少一個統(tǒng)一的平臺，控制流程的大量重復工作占用了寶貴的研究時間。為了高效完成中文微博的情感傾向性分析，并為以后更多的機器學習任務服務，本文設計并完成了一個高效實用的通用化監(jiān)督學習平臺，