中文微博細粒度情緒識別研究.pdf

1、從本世紀初，文本情感研究逐漸成為信息抽取領(lǐng)域中的研究熱點，獲得了越來越多的關(guān)注。特別是Web2.0技術(shù)的逐漸普及，微博因為消息簡短、發(fā)布便捷、實時交互等特點獲得了網(wǎng)民極高的喜愛度，廣大網(wǎng)民已經(jīng)從過去單純的信息獲取者變成網(wǎng)絡內(nèi)容的主要制造者。同時，隨著自然語言處理和機器學習技術(shù)的不斷進步和成熟，對微博這種主觀性短文本進行情感分析也成為可能，并逐漸得到廣泛應用。
　　針對中文微博的情感分析研究，國內(nèi)目前主要集中在微博的情感極性判斷上，

2、如分析微博表達是積極還是消極，此類研究已經(jīng)取得了一定成績并開始廣泛應用，然而，隨著應用的深入，用戶希望能夠獲取到微博表達的更細致的情感以便了解用戶對某些事物的態(tài)度，此時傳統(tǒng)的微博情感分析研究方法已很難完全滿足需求，雖然目前國內(nèi)近年來對中文微博細粒度情緒識別正在做一些嘗試與努力，但效果并不大理想。因此，本文研究了基于中文微博的細粒度情緒分析方法，通過探索新的研究思路和方法，進一步提高情感分析的準確性和實用性。
　　文本主要針對中文微

3、博的細粒度情緒識別中的關(guān)鍵技術(shù)展開研究。分析了中文微博研究難點和微博情感表達特征，提出了一種基于情感詞匯本體的多策略集成分析法。首先在對微博的有無情緒分類中，在有大量測試集合的前提下，我們提出了基于迭代的樸素貝葉斯分類算法，對該算法分類為有情緒的微博文本，我們進一步的分析它所表達的細膩情緒（anger憤怒、disgust厭惡、fear恐懼、happiness高興、like喜好、sadness悲傷、surprise驚訝），使用新穎的文本特

4、征向量表示和權(quán)重計算方法量化有情緒微博文本，然后基于支持向量基SVM和K-最近鄰KNN算法分別進行7類細粒度情緒分類，實現(xiàn)對中文微博的細粒度情緒分析。
　　最后我們以新浪微博為實驗數(shù)據(jù)，在大連理工情感詞匯本體基礎(chǔ)之上，構(gòu)建多策略融合分類算法與單一分類算法對比實驗，最終實驗結(jié)果表明，多策略分類算法融合方案在細粒度情緒分析研究中效果更好。且在兩類多策略融合分析方法中，“NB& KNN”方案比“NB& SVM”方案稍顯優(yōu)勢。
　　

5、論文的主要貢獻在于：
　　1）提出了基于迭代的樸素貝葉斯分類算法，該算法在先驗知識不足的情況下能很好的提升分類性能。
　　2）擴展豐富了大連理工情感本體庫，這將對細粒度情緒識別準確度的提升有很大幫助。
　　3）研究出中文微博文本新穎的特征向量表示法和權(quán)重量化方法。該方法能有效降低數(shù)據(jù)維數(shù)災難，減小算法計算復雜度并最終提高算法性能。
　　4）實現(xiàn)了多策略分類算法融合的細粒度情緒分析方法。該多分類算法融合方案比直接使