面向社交媒体网络的用户情感分析方法的研究

摘要

近年来，互联网的快速发展，人们之间交流日益方便快捷，随着新的多媒体社交平台的不断涌出，围绕社交平台开展的交流日益增多，每天有成千上万的用户通过社交平台发表他们的言论和看法。这些文本信息中包含有大量的情感倾向（评论某个事物的“好”与“坏”）的词语，这些带有情感倾向的词语能反映出用户当时的情感状态。一方面，多媒体社交平台逐渐发展成意见挖掘和意见情感分析的评论文本资料库；另一方面，多媒体社交平台的发展也为意见的挖掘和情感分析提出了更高的需求。
　　电影的评论文本是多媒体社交平台上比较常见评论信息，针对电影评论的研究已经很多很完善了，在传统的评论领域的情感分析不好在突破了，因此本文在基于传统的评论信息的基础上结合了一些其它因素来对评论文本进行情感分析，通过情感分析可以发现用户关注的电影特征，并根据电影的特征信息，推断出用户的偏好，本文提出了将电影的评论文本信息中的隐含语义内容和评分相结合构建一个新的电影推荐模型。因此本文是基于多媒体社交平台（电影的影评论坛）的评论文本信息来开展对电影推荐和评分预测的方法进行研究。并开展以下两个方面的研究工作：
　　1.对电影评论的文本信息中的词语进行统计和分析，基于知网词典的基础上构建了一个电影领域的情感词典，用来对电影评论信息进行情感分类,根据情感分类中主题发散这个特点，提出一种基于情感句提取的电影评论的分类方法。这个方法分三步，第一步，提取相关主题句，将与主题无关的文本删除；第二步，主客观分类，在其余的句子中寻找出与主题有关联的内容，找到情感句。第三步，情感分类，采用机器学习的方法对文本进行分类，从而得到它的情感倾向。通过以上的三步来对电影的评论文本进行情感的分析。提出了统计学 BSI的二级情感模型，通过实验对比证明了该情感分类模型准确度，且未来情感分析的预测性。
　　2.用户在浏览网页或者搜索内容的时候都有浏览的记录，这些浏览的记录通常被称为日志数据。随着用户的操作不断的增多，日志的数据也不段的变大，日志的数据能反映出用户的一些习惯或偏好，通过对这些数据的统计分析可以的到用户的搜索行为特征并可以跟着这些特征提高改进用户的搜索且能关联到用户的历史行为的概括。为用户的评分预测提供了其中一个因素。由于日志的数据比较大，一般数据分析的方法是不行的，本文是基于 Hadoop框架来开展研究的。提出了一种新的推荐方法将评论中的隐含内容与用户的打分，用户的日志信息统
　　计后的数据相结合，设计了一种新的电影的推荐模型，首先利用主题挖掘将文本中隐含的主题分布找出来，然后利用主题分布来刻画出用户的偏好和电影的画像，结合用户的历史足迹的统计，BSI情感预测来构建一个模型，然后基于逻辑斯蒂回归模型上训练主题与用户的打分之间的内在联系，最好是把用户的喜好和打分之间的相似度用量化的数字来表示。然后利用真实的数据来进行实验对比，从实验的数据来验证这个模型。

目录

声明

第1章 绪论

1.1 研究的背景及意义

1.2 国内外研究现状

1.3 情感分类的研究现状

1.4 研究内容以及文章的构架

第2章 相关理论知识的介绍

2.1 文本的分词方法

2.2 文本的表示模型

2.3 文本的特征选取法

2.4 特征权重的计算

2.5 机器学习模型介绍

2.6 潜在狄利克雷分布模型(LDA)

第3章 基于电影评论文本的情感分析

3.1 引言

3.2 电影领域内专属情感词典的构建

3.3 主题相关句提取

3.4 主客观的分类

3.5 对电影评论文本情感分析的算法

3.6 预测用户未来情感倾向的方法

第4章 基于用户搜索的社交网络数据分析

4.1 引言

4.2 用户搜索行为的相关工作

4.3 基于Hadoop的大规模数据处理模型的设计

第5章 基于电影评论分析的评分预测与推荐

5.1 引言

5.2 相关工作

5.3 实验设计与分析

第6章 总结与展望

6.1 总结

6.2 工作的展望

参考文献

致谢

攻读学位期间的研究成果