基于MLNs的中文微博情绪分类及其时序变化研究

摘要

随着Web2.0的快速发展，社交网络媒体受到越来越多人的青睐，以新浪微博为例，它已经成为人们生活工作中的一个大众舆论平台，同时，也是主要沟通交流平台。人们可以自由地发表自己的见解、表达自己的情绪。对微博文本的情绪类别及其时序变化的研究，不仅是自然语言处理领域与文本挖掘领域的重要研究课题，而且对于探究文本中隐含的情绪及其情绪时序变化，也具有重要的学术价值与应用价值。本文采用一种结合了概率和一阶逻辑的情绪分类方法，并结合时间及事件因素，分析情绪的时序变化。主要研究工作如下:
　　1)基于马尔科夫逻辑网络，确定情绪分类的马尔科夫逻辑表示方法，并根据外部情感情绪词典，构建文本的情绪分类体系，推理微博文本的情绪类别。
　　2)基于分词、词性标注、依存句法分析、命名实体识别及语义角色标注等自然语言处理技术，利用词性及触发词，构建时间单元及事件规则库，识别时间表达式及事件词，并将时间表达式规范化。
　　3)基于时间、事件信息，分析微博用户的发布规律、情绪变化规律，并结合事件信息，分析微博用户的情绪时序变化。
　　实验结果表明，本文所提出的方法的可行性与有效性，且1）分类方法的准确率最好可达90％以上，其性能受数据量大小的影响;2）事件信息提取的准确率可达80％以上;3）微博用户的情绪变化与事件信息相关。最后，对论文中存在的问题及下一步的研究工作进行了说明。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 本文主要研究内容

1．2．1 基于MLNs的情绪分类

1．2．2 基于规则的有效信息识别

1．2．3 情绪时序变化分析

1．3 论文组织结构

第2章 相关工作综述

2．1 情绪分类

2．2 马尔科夫逻辑网

2．3 事件信息的提取

2．4 整体方法对比总结

2．5 本章小结

第3章 基于MLNs的情绪分类

3．1 情绪分类体系

3．2．1 马尔科夫逻辑表示

3．2．3 权值学习

3．2．5 推理

3．2 实验与分析

3．2．1 数据集

3．2．2 评估指标

3．2．3 实验分析

3．3 本章小结

第4章 基于规则的有效信息识别

4．1 时间表达式识别

4．1．1 构建时间单元规则库

4．1．2 识别时间表达式

4．1．3 规范化时间表达式

4．2 事件识别

4．2．1 统计分析

4．2．2 事件识别规则

4．2．3 事件识别方法与过程

4．3 实验与分析

4．3．1 数据集

4．3．2 实验及分析

4．4 本章小结

第5章 情绪时序变化分析

5．1 情绪时序变化系统

5．1．1 时间处理方法

5．1．2 数据处理方法

5．1．3 事件处理方法

5．2 情绪时序变化实证研究

5．2．1 基于个体微博研究

5．2．2 基于群体微博研究

5．3 本章小结

第6章 应用系统实例

6．1 系统设计

6．2 模块分析

6．3 结果展示

6．4 本章小结

结论

参考文献

攻读硕士学位期间发表论文

致谢