基于Hadoop的微博用户情感分类研究与实现

摘要

随着微博等新型社交网络服务的发展与普及,人们借助此类媒介表达观点和情感变得更加灵活、自由、快速。因此,针对微博的情感分类也显得越来越重要,通过微博情感分类,了解用户对政策、产品、舆论热点等的反应,更好的对用户自身、企业、政府等提供决策支持具有重要的意义。
　　在微博海量数据集上执行情感分类任务时,传统的情感分类算法的扩展性成为系统的瓶颈。因而,本文首先研究云计算平台-Hadoop的主要技术,分析了在Hadoop上实施情感分类的可行性。在此基础上,本文针对微博文本情感特点,通过自动构建和人工构建相结合的情感语料库,改进基于微博情感元素和语义的特征抽取算法,并采用Hadoop技术,设计了一种分布式、可扩展、自治的微博情感分类模型。针对该模型中的情感分类问题,设计并实现了基于Hadoop的朴素贝叶斯情感分类算法。测试结果表明,采用基于Hadoop的朴素贝叶斯情感分类模型对海量微博数据进行情感分类,具有良好的执行效率和较高的扩展性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要内容

1.4 论文结构

第二章 理论基础与相关技术

2.1 云计算平台-Hadoop

2.2 朴素贝叶斯算法

2.3 本章小结

第三章 基于Hadoop的微博情感分类方法

3.1 微博平台特点分析

3.2 基于表情符号的微博情感分类模型

3.3 基于Hadoop的微博情感分类模型

3.4 本章小结

第四章 系统架构与实现

4.1 总体设计

4.2 系统模块设计与实现

4.3 数据库设计

4.4 本章小节

第五章 测试结果与分析

5.1 测试环境

5.2 系统整体运行情况

5.3 基于Hadoop的微博情感分类模块测试和分析

5.4 本章小节

第六章 总结与展望

6.1 论文总结

6.2 研究展望

致谢

参考文献

读研期间研究成果