面向話題的微博情感分析研究.pdf

1、隨著移動終端技術(shù)的發(fā)展以及2014年政務(wù)微博平臺的建設(shè)，微博的發(fā)展越來越迅速。作為一種社會媒體與社交平臺，微博擁有龐大的用戶群體，其上的一個熱點話題，往往會有上萬條的主觀評論，而這些評論一般都帶有用戶對該熱點的情感傾向，通過對這些短文本大數(shù)據(jù)的研宄，分析大眾情感傾向，對輿情分析，營銷預(yù)測都有所幫助。本文針對話題型的微博展開了研宄，對其挖掘方法進行了比較，并對SVM算法進行了研究改進。
　　本文研宄主要包括了：微博主客觀判定，基于詞

2、典的無監(jiān)督分類，基于機器學習的有監(jiān)督分類比較，SVM多分類情感分析研究以及SVM分類器的改進。面向微博情感有高興，喜好，憤怒，悲傷，恐懼，厭惡，驚訝以及無情感分類。
　　首先對微博進行主客觀判定，對主客觀文本分別用詞性特征與文本特征兩類特征向量表示，詞性特征包括情感詞、特殊符號、程度副詞、人稱代詞以及詞性2-P0S對，文本特征分別用詞頻、TF-IDF、相對熵的來提取，并通過實驗比較了提取效果，最終組成文本向量。分別用樸素貝葉斯和S

3、VM的方式對主客觀分類做比較。實驗表明SVM具有較好的效果。
　　其次對主觀微博進行情感分類比較，其中有無監(jiān)督的基于詞典分類方法，詞典采用了大連理工大學信息檢索研宄室中文情感詞匯本體庫，對情感詞庫進行了擴充，擴充包括表情擴充，網(wǎng)絡(luò)詞擴充，同義詞詞林擴充。然后對不同的情感加權(quán)方法展開了討論。有監(jiān)督的機器學習方法，采用SVM分類器，并比較了各種SVM多分類器的性能，包括一對一分類器，一對多分類器，以及二叉樹分類器，提出了一種新的二叉樹