基于内容挖掘的话题微博情感分析研究

摘要

微博作为新兴的社交网络媒体，凭借其发布的便捷性、阅读的及时性，成为了人们获取信息与对外交流的主要媒介。微博含有多个话题，其中包含了许多有价值的信息。对这些话题微博进行情感分析，可以进行辅助政府进行网络舆情监控，可以给企业提供产品改进建议、帮助其维护客户关系、微博营销与危机应对等等。因此话题微博的情感分析逐渐成为了研究新热点。话题微博情感分析一般包括三个任务:一为主客观微博识别;二为微博情感倾向性分析;三为评价对象抽取。但在实际研究中，课题组发现话题微博的情绪研究可以更为准确地表达用户的情感，因此本文主要针对话题微博的主客观识别、情感倾向性分析和情绪分析三个任务进行深入研究。
　　在主客观微博识别任务中，本文首先对主客观微博定义进行了详细描述，提出了基于SVM模型的主客观微博识别的方法，在深入分析语料的基础上，尝试从句式、句法以及隐性结构三个方面选择特征来表示微博;之后使用NLP&CC2012提供的评测语料进行SVM模型的训练与测试，得到主客观微博识别的准确率达到87％以上，召回率达到79％以上;并在特征选择相同的情况下，本文提出的方法的结果优于CRFs模型，验证了本文提出方法的有效性和优越性。
　　在话题微博的情感倾向性分析任务中，本文首先提出了基于SVM模型的微博情感倾向性分析方法，并尝试将情感特征、句内特征和句间特征结合起来表示微博，之后将提出的方法应用到COAE2014评测任务中文微博情感倾向性分析中，在评测中取得了准确率第一的成绩，其中模型的准确率达到了96.1％，召回率达到44.2％，F为60.1％。在话题微博情绪分析任务中，本文首先尝试结合心理学、汉语语言学来将微博情绪划分为“喜”、“怒”、“哀”、“惧”、“恶”五大类别，然后完善了大连理工大学的情感词汇本体，并深入分析话题微博情绪特征的基础上，提出了基于SVM模型的情绪分析方法;最后使用NLP&CC2013提供的情绪语料进行测试，验证了本文提出情绪分析方法的有效性和构建语料库的科学性。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 研究意义

1．3 研究内容

1．4 论文的组织结构

2 相关理论及研究现状分析

2．1 话题微博情感分析研究现状

2．1．1 微博情感倾向性分析研究现状

2．1．2 主客观文本识别研究现状

2．1．3 微博情绪分析研究现状

2．2 SVM模型及开源工具

2．2．1 SVM模型

2．2．2 LibSVM开源工具

2．3 文本分类性能评价指标

2．3．1 性能评价的基本指标

2．3．2 性能评价的综合指标

2．4 本章小结

3 微博情感分析相关词典构建

3．1 微博情感词典构建

3．2 微博情绪本体构建与完善

3．3 微博情感分析其他相关词典

3．4 本章小结

4 主客观微博识别

4．1 主客观微博定义

4．2 主客观微博识别实验方案设计

4．3 主客观微博识别特征分析与计算

4．4 主客观微博识别实验

4．4．1 实验语料

4．4．2 实验过程

4．4．3 实验结果及分析

4．5 本章小结

5 微博情感倾向性分析

5．1 微博情感倾向分析实验方案设计

5．2 微博情感倾向特征分析与计算

5．3 微博情感倾向性分析实验

5．3．1 实验语料

5．3．2 实验过程

5．3．3 实验结果及分析

5．4 本章小结

6 微博情绪分析

6．1 情绪类别划分

6．1．1 情感与情绪的区别

6．1．2 基于情绪本体的情绪类别划分

6．2 微博情绪分析实验方案设计

6．3 微博情绪分类语料库构建

6．3．1 情绪微博提取

6．3．2 情绪分类标注实验

6．3．3 情绪分类标注实验结果及分析

6．4 微博情绪特征分析与计算

6．5 微博情绪分类实验

6．5．1 实验过程

6．5．2 实验结果及分析

6．5．3 微博情绪分析方法验证

6．6 本章小结

7 总结和展望

7．1 总结

7．2 存在的问题和未来展望

致谢

参考文献

攻读硕士学位期间发表的论文情况

攻读硕士学位期间参加的科学研究

攻读硕士学位期间学术成果获奖情况