基于Word2Vec的微博情感新詞識(shí)別與傾向判斷研究.pdf

1、如今，信息在網(wǎng)絡(luò)上以爆炸的形式產(chǎn)生，信息的主要載體——網(wǎng)絡(luò)文本承載著網(wǎng)民的情緒、觀點(diǎn)與意見，分析這些文本，對(duì)于政府來說，可以及時(shí)了解公共輿情并引導(dǎo)輿論導(dǎo)向;對(duì)于企業(yè)來說，可以及時(shí)發(fā)現(xiàn)自身問題并改進(jìn)企業(yè)服務(wù)。目前常用的情感詞典并不能有效覆蓋所有常用情感詞。微博等新媒體逐漸流行，導(dǎo)致網(wǎng)絡(luò)語言碎片化、新詞不斷產(chǎn)生和傳播，給文本情感分析帶來了困難。
　　本文立足于識(shí)別情感詞典中未包含的情感新詞，并判斷其情緒傾向。具體的研究內(nèi)容如下:

2、>　　1)微博語料的特征分析及情感詞識(shí)別工作的預(yù)處理。為了保證情感詞識(shí)別的準(zhǔn)確率，同時(shí)又識(shí)別更多的情感詞語，本文在實(shí)驗(yàn)過程中，針對(duì)微博語料的特點(diǎn)，制定了數(shù)據(jù)清洗方案、新詞識(shí)別方案，構(gòu)建了表情符號(hào)情感詞典。
　　2)基于詞向量計(jì)算詞語相似度并識(shí)別情感詞。詞向量是指將文本中的詞語表示成空間向量的形式，這種方案在轉(zhuǎn)化過程中考慮了詞語出現(xiàn)的語境和搭配關(guān)系，可以保留更多的自然語言信息。本文將借助Word2Vec工具，將大規(guī)模微博語料中的詞匯

3、向量化，然后計(jì)算詞語在多維空間中的距離，識(shí)別詞語間的相似性。然后根據(jù)詞語的最相近的一些近義詞，判別詞語的是否是情感詞，以及詞語的傾向。
　　3)結(jié)合詞共現(xiàn)與詞向量相似度識(shí)別情感詞。基于詞共現(xiàn)識(shí)別情感詞與基于詞向量相似度識(shí)別情感詞是兩種不同的思想。前者依據(jù)詞語分別與正面種子詞和負(fù)面種子詞共現(xiàn)的頻率來判斷詞語傾向，后者利用詞語上下文的語境將其轉(zhuǎn)化為向量形式，再根據(jù)詞語與基礎(chǔ)情感詞的近義關(guān)系判斷詞語傾向。本文把兩種情感詞識(shí)別方法結(jié)合起來