基于机器学习的微博情感分析可视化系统

摘要

微博,即微型博客（MicroBlog）的简称，是一个基于用户关系信息分享、传播以及获取的平台，互联网用户可以通过手机、即时通讯软件和平板电脑等多种途径即时向外发布一百四十字以内的文本消息，越来越受到互联网用户的青睐。这种社交方式打通了互联网和移动通讯网之间的鸿沟，在移动通讯终端爆发式发展的今天，人们喜欢甚至开始依赖微博，而且程度越来越深。与此同时，规模庞大的微博文本又给基于大数据的机器学习、自然语言处理领域研究提出了新的挑战和机遇。在这些海量的文本信息中，有很大一部分是带有情感信息的微博文本，进行情感文本分类研究，是一个有深远意义，又非常有挑战性的问题。同时如果可以设计一套科学的可视化展示系统，将微博分析的结果简单、直观的展现出来，必将能够吸引微博用户、学术研究者、政府决策者、企业推广者的使用。
　　针对上述背景，本文研究了基于机器学习的微博情感分析可视化系统的设计与实现，主体思想为使用带有表情的微博数据作为标注数据，通过训练支持向量机（Support Vector Machine，SVM）模型获得分类器，最终实现对微博文本信息的情感分类，并使用可视化的方法将微博信息进行展示。论文介绍了机器学习理论和微博抓取技术，分析了系统的业务需求和功能需求，给出了系统的应用架构设计，项目服务器端使用Struts+Spring+Mybatis框架，前端使用HTML5提供操作相对简洁并且内容丰富的可视化界面，并通过Ajax异步获取微博数据，将抓取的数据实例化为JAVA实例，转换为JSON格式由前端显示，同时通过Mybatis框架进行持久化。数据库采用MySQL数据库。
　　基于系统测试结果表明，通过该系统用户可以方便的感知微博用户对热点问题的态度，实时获取最新的微博情绪动态，关注事件发展的不同阶段微博用户的情感变化，对分析事件发展的舆论导向和以大数据为支持做深入研究都具有非常实际的意义。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 选题背景及意义

1.2 国内外现状分析

1.3 论文工作内容

1.4 论文组织结构

第二章 相关技术概述

2.1 机器学习理论

2.2 微博抓取技术

2.3 本章小结

第三章 系统业务需求分析

3.1 总体业务陈述

3.2 系统功能分析

3.3 系统需求建模

3.4 相关模块的功能需求分析

3.5 系统的非功能需求

3.6 本章小结

第四章 系统设计与实现

4.1 系统应用架构

4.2 系统包图设计

4.3 系统数据库设计

4.4 系统详细功能实现

4.5 本章小结

第五章 系统测试与分析

5.1 系统测试环境

5.2 系统测试及结果分析

5.3 本章小结

第六章 总结与展望

6.1 论文工作总结

6.2后续工作展望

参考文献

致谢

作者简介