文物保護領域網(wǎng)絡文本傾向性分析研究.pdf

1、在移動互聯(lián)網(wǎng)時代,隨著智能機的普及和微博、微信等即時通訊工具應用的興起,網(wǎng)民接觸新聞的渠道越來越多,關于文物的新聞事件、熱點話題快速傳播,其中最典型的如,2009年的“曹操墓真假之爭”、2012年的“王剛砸寶事件”和2013年的《功甫帖》的真?zhèn)沃疇幍?。網(wǎng)絡傳播的即時性、快速性和多樣性使大眾的觀點和思想迅速匯集,形成輿論。為準確掌握文物保護領域的輿情,把握輿情導向,文物保護領域的文本傾向性分析具有重要的現(xiàn)實意義。
　　文物保護領域文

2、本傾向性分析研究利用的是文本分類思想,具體研究內(nèi)容如下:
　　(1)構(gòu)建文物保護領域語料庫。首先利用網(wǎng)頁抓取工具Heritrix和網(wǎng)頁解析工具HTMLParser完成網(wǎng)絡信息采集與提取,再使用中科院的ICTCLAS系統(tǒng)對文本分詞、標注,最終整理得到文物保護領域語料庫;
　　(2)基于二類分類問題,對傳統(tǒng)x2統(tǒng)計量CHI和互信息特征選擇方法進行了改進。先分析了傳統(tǒng)x2統(tǒng)計量CHI和互信息特征選擇算法在多類分類問題上的缺陷,再對

3、其進行改進以適應于本文的二類分類問題。
　　(3)構(gòu)建文物保護領域情感詞典。將HowNet情感詞語集中的中文正負面情感詞語、臺灣大學NTUSD的簡體中文情感極性詞典、清華大學的中文褒貶義詞典這三部分詞典合并去重得到基礎情感詞典,以此為基礎,綜合利用改進的x2統(tǒng)計量CHI和互信息特征選擇方法來構(gòu)建文物保護領域情感詞典。
　　(4)文本情感的結(jié)構(gòu)化表示。選取向量空間模型對文本的情感形式化表示,利用該改進特征選擇方法選取特征項,并

4、根據(jù)本文的特征選擇方案對原TFC特征權重算法進行了修正,將文本情感形式化表示為由具有情感傾向的特征項的權重組成的向量。
　　(5)利用libsvm進行文本傾向性分析。利用支持向量機分類算法,通過開源軟件libsvm進行文物保護領域文本傾向性分析。
　　總之,本文利用Heritrix和HTMLParser工具進行信息采集和提取,再使用ICTCLAS系統(tǒng)對文本處理,建立了文物保護領域語料庫,利用改進的特征選擇方法構(gòu)建了文物保護領