面向互聯(lián)網(wǎng)公眾評論的情感分析方法研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，我們已經(jīng)進入了大數(shù)據(jù)時代。在泛網(wǎng)物聯(lián)的環(huán)境下，人們上網(wǎng)變得越來越容易，可以在任何時間、任何場合對網(wǎng)上感興趣對象（如新聞事件、商品貨物、民生輿論）進行個人的評價。因此會產(chǎn)生大規(guī)模的評論，在這些評論中，如果用戶無法第一時間準確地找到自己感興趣的評論，不僅會浪費大量時間，而且還會降低用戶的上網(wǎng)體驗。因此需要用合適的方法提取評論中的重要信息，使用戶能夠快速的定位。用戶在網(wǎng)上進行的評論通常是一種情感的表達，具有主觀性，因此

2、可以通過對網(wǎng)絡(luò)評論文本的情感分類達到方便用戶檢索和分析信息。
　　本研究提出了一種基于經(jīng)典的情感詞典方法進行分類，具體步驟為：通過爬蟲技術(shù)爬取網(wǎng)絡(luò)評論進行保存；對文本進行預(yù)處理，去除噪聲數(shù)據(jù)；構(gòu)建情感詞典。但是由于基于情感詞典本身所存在的不足，針對互聯(lián)網(wǎng)公眾評論多源、數(shù)據(jù)海量、篇幅較短、形式多樣、信息量大、情感強烈的特點，提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的面向互聯(lián)網(wǎng)公眾短評論的情感分類方法。相對于傳統(tǒng)的情感分類方法，卷積神經(jīng)網(wǎng)絡(luò)在提取局

3、部特征上具有得天獨厚的優(yōu)勢，并且它的強大之處還在于兩大特性：一是局部感知，二是參數(shù)共享。正因為這兩大特點使得我們在訓(xùn)練的過程中可以大大減少訓(xùn)練參數(shù)。本文設(shè)計了一個8層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)作為面向公眾短評論的情感分類器，使得在提取局部特征方面變得更為精確。該方法具體步驟如下：使用Word2Vec將評論文本轉(zhuǎn)化為詞空間向量；將二維矩陣文本轉(zhuǎn)化為灰度圖像格式；將圖片數(shù)據(jù)輸入基于深度卷積網(wǎng)絡(luò)的情感分類器中進行訓(xùn)練學(xué)習(xí)，有效防止過擬合的產(chǎn)生，使模型