基于自動標(biāo)注訓(xùn)練集的中文微博情感分類的研究.pdf

1、微博已經(jīng)成為最受網(wǎng)民歡迎的社交網(wǎng)絡(luò)平臺之一,它的快速發(fā)展使其顯示出了巨大的商業(yè)價值和社會價值。用戶已經(jīng)習(xí)慣在微博上獲取、分享信息以及發(fā)表對于時事熱點(diǎn)話題或者產(chǎn)品的觀點(diǎn)意見,這些觀點(diǎn)往往帶有豐富的情感色彩,因此,面向大規(guī)模微博數(shù)據(jù)的情感挖掘具有重大意義。通過情感挖掘可以及時了解用戶對輿論熱點(diǎn)、產(chǎn)品、政策等的反應(yīng),有助于為用戶自身、政府機(jī)構(gòu)、企業(yè)等提供決策支持。到目前為止,英文微博情感挖掘已經(jīng)有了大量研究成果,而中文微博的情感分析還處于起步

2、階段。本文的主要研究工作包括以下幾點(diǎn):
　　1.以用戶數(shù)最多的微博平臺—新浪微博為研究對象,通過其開放平臺API獲取大規(guī)模的原始微博數(shù)據(jù),分析了微博數(shù)據(jù)的特征并比較了微博文本和傳統(tǒng)網(wǎng)絡(luò)文本的不同。
　　2.由于目前尚無高標(biāo)準(zhǔn)的已標(biāo)注情感信息的微博語料庫,本文提出了一種基于表情符號和心理詞匯的自動標(biāo)注微博語料訓(xùn)練集的方法,獲取正負(fù)情感分類和七類情感分類的訓(xùn)練集,該方法省去了大量的人工標(biāo)注的負(fù)擔(dān),減少了傳統(tǒng)標(biāo)注方式對領(lǐng)域、主題和

3、時間等因素的依賴?；诖朔椒?gòu)建了一定規(guī)模的語料庫。
　　3.本文把微博情感傾向性分類任務(wù)主要分為兩種,即正負(fù)面情感分類和七類情感(高興、喜愛、驚、焦慮、哀、怒、惡)分類。我們將自動標(biāo)注好的用于兩種分類任務(wù)的語料庫作為訓(xùn)練集構(gòu)建微博情感分類器,用以對微博文本進(jìn)行情感極性分類。
　　4.本文針對上述兩種情感分類任務(wù),分別進(jìn)行了基于n-gram特征項的實驗,以及兩種特征選擇方法(信息增益、卡方統(tǒng)計)和兩種分類算法(樸素貝葉斯、支