在線新聞文本的讀者情緒預測方法研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展與Web2.0時代的到來，在線新聞作為主要的網(wǎng)絡信息載體，已經成為人們獲取新聞資訊的主要渠道。其內容與形式也不斷創(chuàng)新，允許用戶通過情緒投票直接抒發(fā)自己對新聞事件的情緒。了解用戶對新聞事件的態(tài)度和情緒變化，可以輔助在線新聞服務商理解用戶偏好，同時有助于實現(xiàn)網(wǎng)絡輿情分析和監(jiān)控。因此，如何準確地對用戶的情緒進行預測，具有重要的理論意義和應用價值。
　　本文分析并總結了讀者情緒預測在國內外的研究現(xiàn)狀，結合目前機器學習領

2、域高度關注的LDA主題模型及多標簽分類技術，對新聞文本引發(fā)的讀者情緒自動判別和預測進行了深入研究，主要工作包括：
　　第一，首次提出將讀者情緒預測作為多標簽分類問題。由于現(xiàn)有讀者情緒預測方法大多將讀者情緒預測作為單標簽分類任務，這與人類直覺及對讀者情緒進行大規(guī)模統(tǒng)計結果不符。本文在對讀者情緒投票數(shù)據(jù)進行詳細統(tǒng)計分析的基礎上，驗證了使用多標簽分類方法解決讀者情緒預測問題的正確性。
　　第二，提出一種讀者情緒自動標注方法。本文設

3、計了一種讀者情緒多標簽標注算法，該算法創(chuàng)新性地利用讀者情緒投票數(shù)據(jù)，采用基于閾值的方法，實現(xiàn)了讀者情緒的自動標注。避免了傳統(tǒng)手工標注方法工作量大、標注結果不準確等問題。
　　第三，提出一種多標簽監(jiān)督的情緒-主題模型。在深入分析LDA主題模型的基礎上，增加一層隱含的讀者情緒，并利用讀者情緒反饋信息對模型進行監(jiān)督。與傳統(tǒng)模型相比，該模型能夠更加有效地利用文本語義信息，取得了更加準確的情緒預測結果。
　　本文在真實的新浪社會新聞數(shù)