基于Twitter的情感分析相關(guān)問題研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)和移動網(wǎng)絡(luò)的迅猛發(fā)展，社交網(wǎng)絡(luò)平臺也得到了迅速的發(fā)展。用戶通過互聯(lián)網(wǎng)主動生成文本信息，這一舉動標(biāo)志著人們已經(jīng)不再是互聯(lián)網(wǎng)中單純的受眾，而是成為了互聯(lián)網(wǎng)的一部分。微博平臺的可移動性，內(nèi)容的共享性、簡潔性和實(shí)時(shí)性使得微博已經(jīng)成為了大多數(shù)網(wǎng)民日常生活中不可缺少的交流互動的社交網(wǎng)絡(luò)，廣大用戶有了發(fā)表自己意見的空間和自由。這些帶有主觀色彩的言論或評價(jià)可以是普通用戶的心情信息、網(wǎng)絡(luò)消費(fèi)者的購買意向、影迷對電影的喜好、網(wǎng)民對政府管理

2、部門發(fā)布的政策和法規(guī)的意見等，如何從這些海量的非結(jié)構(gòu)化的短文本信息中獲取有價(jià)值的內(nèi)容已成為目前亟待解決的問題。社交網(wǎng)絡(luò)的火熱流行帶動了一個(gè)新的研究領(lǐng)域的誕生，那就是針對微博的情感分析。這一領(lǐng)域繼承了文本情感分析的特點(diǎn)，它從微博文本的情感表達(dá)入手對其情感傾向性進(jìn)行分析，分析的最終結(jié)果是將微博情感分為正面和負(fù)面，或者是正面、中性和負(fù)面，這樣研究者就可以清楚的知道文本信息所表達(dá)的態(tài)度是支持還是反對，并由此做出相應(yīng)的決策。
　　本文主要研

3、究將傳統(tǒng)的文本分類方法應(yīng)用于微博的情感分類?？紤]應(yīng)用機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)對文本的情感分類，分析Twitter情感分析的關(guān)鍵技術(shù)問題，著重于對提高分類精度的過程和方法上進(jìn)行研究；分析不同的特征選擇方法、特征權(quán)重計(jì)算方法、文本表示方法以及不同的分類器模型的構(gòu)建對Twitter情感分類精度的影響。
　　本文采用Twitter上的數(shù)據(jù)作為數(shù)據(jù)集，使用斯坦福自然語言處理小組研發(fā)的詞性標(biāo)注工具對微博文本進(jìn)行預(yù)處理，之后在特征選擇算法中選擇了文檔

4、頻數(shù)、信息增益和卡方檢驗(yàn)三種不同的方法對數(shù)據(jù)集進(jìn)行特征選擇，采用布爾函數(shù)、詞頻函數(shù)和TFIDF(Term Frequency Inverse Document Frequency)三種權(quán)重計(jì)算方法計(jì)算特征集中的特征權(quán)重，分類器采用基于監(jiān)督學(xué)習(xí)的分類器，分別是樸素貝葉斯和決策樹分類器。文中提出了在不同的特征數(shù)量和特征權(quán)重的情況下，采用不同的分類算法訓(xùn)練分類器，待分類器訓(xùn)練完成后采用測試數(shù)據(jù)對其進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，在一定的特征數(shù)量下，采