基于語義及情感的微博分類等級判定方法研究.pdf

1、隨著互聯(lián)網(wǎng)和信息技術的快速發(fā)展，微博成為了人與人之間交流的一種重要方式，微博讓人們擁有自己的媒體變成了一件簡單的事情。然而，作為公民自由發(fā)表言論的網(wǎng)絡空間，我們可以發(fā)現(xiàn)與正式場合的言論相比，微博言論的隨意性更強，主觀色彩更濃，容易陷入無意識的自由表達情境之中，這也導致了微博內(nèi)容良莠不齊。為了給微博用戶提供一個更加正能量的空間，理應將正能量和負能量的微博加以區(qū)分。
　　論文將從尋找微博態(tài)度的角度出發(fā)，利用聚類算法，對微博的語義和情感

2、兩方面分別進行聚類，再根據(jù)聚類結果對微博的分類等級進行判定，主要區(qū)分出積極、消極和中性的微博文本。研究內(nèi)容包括以下兩個部分:
　　首先，由于微博短文本表達隨意，表現(xiàn)形式不規(guī)范的問題，先對原始的微博文本進行預處理，預處理的主要工作有分詞，去除停用詞，根據(jù)情感詞典選出情感詞，再利用詞性選擇工具在剩下的詞中選出名詞、動詞和形容詞作為語義詞。接著對特征詞等級進行標注，標注的等級分為3等，分別代表了消極、中性和積極。最后使用了應用較多且效果

3、較好的向量空間模型表示方法對微博短文本進行建模表示。為了對微博文本的語義和情感分別進行聚類，需要選擇合適的聚類方法，考慮到基于密度的聚類算法具有可以在含有“噪聲”的空間數(shù)據(jù)集中發(fā)現(xiàn)任意形狀的優(yōu)點，因此論文選擇對傳統(tǒng)的從一點開始擴展簇的DBSCAN算法加以優(yōu)化，提出了從多個點同時開始擴展簇的MPSCAN算法，從而改善DBSCAN算法時間性能低效的缺點，加快聚類算法的運算速率。
　　其次，對聚類后得到的每一個類采用了基于文檔頻的特征詞

4、選擇，相似詞匯合并，以及一種求加權平均值的量化處理方式，使其對應一個具體的值，再根據(jù)自定義的規(guī)則最終得到文本的分類等級。實驗中，在數(shù)據(jù)集里抽樣選取了一部分，通過對比人工判定的結果和論文所提方法得到的結果進行校驗，校驗后發(fā)現(xiàn)相較于積極和中性的文本分類等級的判定，消極文本的判定效果不夠理想，針對此現(xiàn)象進行了相應的分析。
　　針對論文提出的微博分類等級判定方法，目的是希望可以大批量的對微博文本的態(tài)度傾向進行區(qū)分，同時不再單一地考慮微博的