基于内容挖掘话题微博情感分析的研究

《基于内容挖掘话题微博情感分析的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、M．D．DissertationResearchonSentimentAnalysisofMicroBlogTopicsBasedonContentMiningSupervisedbyShengchunDingRuiboYaoNanjingUniversityofScience&TechnologyMarch，2015声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料

2、。与我一同工作的同事对本学位论文做出的贡献均己在论文中作了明确的说明。研究生签名：学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：20l；年3月26日硕士学位论文基于内容挖掘的话题微博情感分析研究摘要微博作为新兴的社交网络媒体，凭借其发布的便捷性、阅读的及时性，成为了人们获取信息与对外交流的主要媒介。微博含有多个话

3、题，其中包含了许多有价值的信息。对这些话题微博进行情感分析，可以进行辅助政府进行网络舆情监控，可以给企业提供产品改进建议、帮助其维护客户关系、微博营销与危机应对等等。因此话题微博的情感分析逐渐成为了研究新热点。话题微博情感分析一般包括三个任务：一为主客观微博识别；二为微博情感倾向性分析；三为评价对象抽取。但在实际研究中，课题组发现话题微博的情绪研究可以更为准确地表达用户的情感，因此本文主要针对话题微博的主客观识别、情感倾向性分析和情绪分析三个任务进行深入研究。在主客观微博识别任务中，本文首先对主客观微博定义进行

4、了详细描述，提出了基于SVM模型的主客观微博识别的方法，在深入分析语料的基础上，尝试从句式、句法以及隐性结构三个方面选择特征来表示微博；之后使用NLP&CC2012提供的评测语料进行SVM模型的训练与测试，得到主客观微博识别的准确率达到87％以上，召回率达到79％以上；并在特征选择相同的情况下，本文提出的方法的结果优于CRFs模型，验证了本文提出方法的有效性和优越性。在话题微博的情感倾向性分析任务中，本文首先提出了基于SVM模型的微博情感倾向性分析方法，并尝试将情感特征、句内特征和句间特征结合起来表示微博，之后

5、将提出的方法应用到COAE2014评测任务中文微博情感倾向性分析中，在评测中取得了准确率第一的成绩，其中模型的准确率达到了96．1％，召回率达到44．2％，F为60．1％。在话题微博情绪分析任务中，本文首先尝试结合心理学、汉语语言学来将微博情绪划分为“喜”、“怒’’、“哀’’、“惧”、“恶”五大类别，然后完善了大连理工大学的情感词汇本体，并深入分析话题微博情绪特征的基础上，提出了基于SVM模型的情绪分析方法；最后使用NLP&CC2013提供的情绪语料进行测试，验证了本文提出情绪分析方法的有效性和构建语料库的科学

6、性。关键词：话题微博，情感倾向性，SVM，主观微博，情绪分析，内容挖掘Abstract硕士学位论文Microblogasanewsocialnetworkingmedia，withthetimelinessofitsreleaseandeaseofreading，hasbecomethemainwaypeopleobtaininformationandcommunication．Microblogcontainsmultipletopics．ResearchonsentimentanalysisofMicrob

7、logtopicscanassistthegovernmenttomonitorpublicopinions，anditCanhelptheenterprisetocollectsuggestions，maintaincustomerrelationships，microblogmarketingandcrisisresponseandSOon．SoSentimentanalysisofMicroblogtopicsisbecominganewhotresearch．SentimentanalysisofMic

8、roblogtopicsgenerallyinvolvesthreetasks：thefirstissubjectivemicroblogrecognition；thesecondissentimentorientationanalysis；thethirdistheevaluationobjectextraction．Butinfact，thestudyfoundthattheemo