網(wǎng)絡(luò)文本情感新詞發(fā)現(xiàn)及情感關(guān)鍵句抽取判定研究.pdf

1、文本情感分析近年來已成為自然語言處理領(lǐng)域重要的研究方向之一，它是對信息發(fā)布者的態(tài)度、觀點、情感進(jìn)行分析，可以廣泛應(yīng)用于產(chǎn)品評價、輿情監(jiān)測等領(lǐng)域。傳統(tǒng)的新聞更多地開始在互聯(lián)網(wǎng)上抵達(dá)大眾，于此同時，網(wǎng)民們可以通過微博、博客等多種方式表達(dá)自己的觀點，相互交流意見看法。本文基于這些網(wǎng)絡(luò)文本進(jìn)行了情感新詞發(fā)現(xiàn)及篇章情感分析方面的研究，并在中文傾向性分析評測提供的語料上做了實驗，實驗結(jié)果表明了本文方法的有效性。
　　本研究主要內(nèi)容包括：⑴從情

2、感新詞傳播的重要媒介中文微博中抽取情感新詞。以中文微博數(shù)據(jù)為統(tǒng)計對象，發(fā)現(xiàn)傳統(tǒng)的基于共現(xiàn)的方法，如點互信息等對中文微博數(shù)據(jù)情感新詞發(fā)現(xiàn)效果有限。為此，利用基于上下文的情感新詞發(fā)現(xiàn)方法CNG(Context N-Gram)，以N-Gram為特征，刻畫情感詞的用詞環(huán)境和用詞模式，以現(xiàn)有已知情感詞為訓(xùn)練數(shù)據(jù)構(gòu)造SVM分類器，對候選情感詞進(jìn)行分類。實驗表明，該方法優(yōu)于傳統(tǒng)的基于共現(xiàn)的方法，同時還發(fā)現(xiàn)中文情感詞通常會以名詞詞性出現(xiàn)，而基于共現(xiàn)的方

3、法無法有效區(qū)分該類情感詞，這是造成其效果有限的主要原因。⑵篇章情感關(guān)鍵句的抽取與判定。篇章的整體情感傾向在一定程度上依賴于其中情感極性突出的關(guān)鍵句，對這些情感關(guān)鍵句的抽取和判定直接影響了篇章的情感分析結(jié)果。本文結(jié)合使用傳統(tǒng)的機器學(xué)習(xí)方法支持向量機SVM(Support Vector Machine)和目前廣泛使用的深度學(xué)習(xí)方法遞歸神經(jīng)網(wǎng)絡(luò)RNN(Recursive Neural Network)，在句子、篇章兩個級別上進(jìn)行特征抽取，在以