基于情感分析的微博谣言识别模式研究

《基于情感分析的微博谣言识别模式研究》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、基于情感分析的微博谣言识别模式研究重庆大学硕士学位论文（学术学位）学生姓名：李巍胤指导教师：李季副教授专业：计算机应用技术学科门类：工学重庆大学计算机学院二O一六年四月ResearchonMicroblogRumorsDetectionPatternBasedonSentimentAnalysisAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByLiWeiyinSupervisedbyProf.LiJiSpecialty:C

2、omputerApplicationTechnologyCollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril,2016重庆大学硕士学位论文中文摘要摘要随着互联网技术的发展，社交网络服务逐渐影响着人们的生活，微博作为社交网络服务中非常重要的组成部分，在带给用户资讯便利的同时，其中也充斥的网络谣言，轻者影响个人，重者影响社会，所以如何能自动有效的识别微博谣言，引起了社会和有关研究者的广泛关注。传统的对于微博谣言识别问题的研究，研究者们大多都将其看成一个二分类的有监督学习过程，特征属性的选取往往是工作的重点，主要有

3、基于内容的特征，基于传播的特征以及基于用户的特征，这些特征属性都是浅层次的，忽视了对更深层特征的挖掘，比如评论情感倾向以及传播结构，不能取得较好的识别微博谣言的效果。本文以国内最大的微博平台，新浪微博为例，在以往研究者研究成果基础上，提出将微博评论的情感倾向性特征加入到微博谣言识别的特征属性之中，同时将微博转发过程模拟成传播树结构，通过图核函数计算传播树的相似性，并以此提出一种基于情感极性的混合核支持向量机分类器(Sentiment-basedhybridkernelSVM，SHSVM)完成对微博谣言的识别，本文的主要工作包括：首先对获取的微博数据进行垃圾评论过滤、分词等预处理操作，然后

4、使用情感词典对微博评论情感倾向性进行分析得到情感特征，接着基于图核，构建混合核函数用于支持向量机的分类，最后利用本文提出的基于情感极性的混合核支持向量机分类器(SHSVM)进行分类实验。实验结果表明，本文提出的分类模型比以往的研究模型，具有更好的谣言识别效果，具有一定的实际应用价值。关键词：谣言检测，情感分析，图核，支持向量机I重庆大学硕士学位论文英文摘要ABSTRACTWiththedevelopmentofInternettechnology,socialnetworkserviceisaffectingpeople’slifegradually.Micro-blogasaveryi

5、mportantpartofsocialnetworkingservices,whichbringsconvenientinformation,alsocontainsrumorsatthesametime.Itcannotonlyaffecttheindividual,butalsocanaffectthesocietytosomeextent.Sohowtoautomaticallyandeffectivelyidentifymicro-blogrumors,causingwidespreadconcerninthecommunityandtherelevantresearchers

6、.Intraditionalresearchofmicroblogrumorsdetection,researchersmostlymodeltheproblemasabinaryclassificationprobleminasupervisedlearningprocess,hencetheprimaryfocushasbeenfeatureselectioncomposedofcontentfeatures,propagationfeaturesanduserfeatures.Allofthesefeaturesareshallow.Thisignorestheminingofde

7、eperfeaturessuchassentimenttendencyfeatureofthecommentandmicroblogpropagationstructure,sotheyhavenotachievedverygoodresults.Inthispaper,wetakeSinaWeiboasanexample,whichisthelargestmicroblogplatforminChina.Basedonthepre