中文微博細(xì)粒度情緒識(shí)別研究.pdf

1、從本世紀(jì)初，文本情感研究逐漸成為信息抽取領(lǐng)域中的研究熱點(diǎn)，獲得了越來越多的關(guān)注。特別是Web2.0技術(shù)的逐漸普及，微博因?yàn)橄⒑?jiǎn)短、發(fā)布便捷、實(shí)時(shí)交互等特點(diǎn)獲得了網(wǎng)民極高的喜愛度，廣大網(wǎng)民已經(jīng)從過去單純的信息獲取者變成網(wǎng)絡(luò)內(nèi)容的主要制造者。同時(shí)，隨著自然語言處理和機(jī)器學(xué)習(xí)技術(shù)的不斷進(jìn)步和成熟，對(duì)微博這種主觀性短文本進(jìn)行情感分析也成為可能，并逐漸得到廣泛應(yīng)用。
　　針對(duì)中文微博的情感分析研究，國(guó)內(nèi)目前主要集中在微博的情感極性判斷上，

2、如分析微博表達(dá)是積極還是消極，此類研究已經(jīng)取得了一定成績(jī)并開始廣泛應(yīng)用，然而，隨著應(yīng)用的深入，用戶希望能夠獲取到微博表達(dá)的更細(xì)致的情感以便了解用戶對(duì)某些事物的態(tài)度，此時(shí)傳統(tǒng)的微博情感分析研究方法已很難完全滿足需求，雖然目前國(guó)內(nèi)近年來對(duì)中文微博細(xì)粒度情緒識(shí)別正在做一些嘗試與努力，但效果并不大理想。因此，本文研究了基于中文微博的細(xì)粒度情緒分析方法，通過探索新的研究思路和方法，進(jìn)一步提高情感分析的準(zhǔn)確性和實(shí)用性。
　　文本主要針對(duì)中文微

3、博的細(xì)粒度情緒識(shí)別中的關(guān)鍵技術(shù)展開研究。分析了中文微博研究難點(diǎn)和微博情感表達(dá)特征，提出了一種基于情感詞匯本體的多策略集成分析法。首先在對(duì)微博的有無情緒分類中，在有大量測(cè)試集合的前提下，我們提出了基于迭代的樸素貝葉斯分類算法，對(duì)該算法分類為有情緒的微博文本，我們進(jìn)一步的分析它所表達(dá)的細(xì)膩情緒（anger憤怒、disgust厭惡、fear恐懼、happiness高興、like喜好、sadness悲傷、surprise驚訝），使用新穎的文本特

4、征向量表示和權(quán)重計(jì)算方法量化有情緒微博文本，然后基于支持向量基SVM和K-最近鄰KNN算法分別進(jìn)行7類細(xì)粒度情緒分類，實(shí)現(xiàn)對(duì)中文微博的細(xì)粒度情緒分析。
　　最后我們以新浪微博為實(shí)驗(yàn)數(shù)據(jù)，在大連理工情感詞匯本體基礎(chǔ)之上，構(gòu)建多策略融合分類算法與單一分類算法對(duì)比實(shí)驗(yàn)，最終實(shí)驗(yàn)結(jié)果表明，多策略分類算法融合方案在細(xì)粒度情緒分析研究中效果更好。且在兩類多策略融合分析方法中，“NB& KNN”方案比“NB& SVM”方案稍顯優(yōu)勢(shì)。
　　

5、論文的主要貢獻(xiàn)在于：
　　1）提出了基于迭代的樸素貝葉斯分類算法，該算法在先驗(yàn)知識(shí)不足的情況下能很好的提升分類性能。
　　2）擴(kuò)展豐富了大連理工情感本體庫，這將對(duì)細(xì)粒度情緒識(shí)別準(zhǔn)確度的提升有很大幫助。
　　3）研究出中文微博文本新穎的特征向量表示法和權(quán)重量化方法。該方法能有效降低數(shù)據(jù)維數(shù)災(zāi)難，減小算法計(jì)算復(fù)雜度并最終提高算法性能。
　　4）實(shí)現(xiàn)了多策略分類算法融合的細(xì)粒度情緒分析方法。該多分類算法融合方案比直接使