基于情感词典与规则综合的微博情感分析模型研究

摘要

二十一世纪以来，中国互联网行业得到了蓬勃的发展，网民规模也逐年攀升。微博是近年来互联网上越来越流行的消遣方式，上到政商名流，下至普通百姓，皆乐在其中，微博已逐渐变成了许多人生活中不可缺少的元素。新浪微博平台每天都产生了数以亿计的微博来分享内容、传播信息，这庞大的用户量和数据量背后伴随而来的则是潜藏的商业、社会等多方面价值。
　　对微博进行情感分析的研究，就是发掘微博潜藏的商业、社会等多方面价值的过程，研究微博情感分析能应用于舆情发现及监控、信息预测、产品评价及改进等领域。深入研究微博内容、获取微博情感倾向是非常有必要的。
　　目前的微博情感极性分类方法存在着准确率较低、依赖领域知识、较少考虑句内句间关系等缺点，我们的研究希望找到一种方法使分类准确率能得到提高，方法的普适性能得到加强。基于此出发点，本文对结合情感词典与规则的微博情感分析方法进行了研究，主要内容包括以下两个部分:
　　（一）本文通过构建情感词典，获取语义规则，以情感词为中心，归纳了6种情感词组合，兼顾情感词、否定词、程度副词之间的相互作用，结合情感词典与规则，运用微博子句情感值、整句情感值计算方法，最终实现了微博情感极性分类。实验表明，本文提出的方法比表情符号判别法、情感词典判别法、SVM判别法等方法的微博情感极性分类效果都好。
　　（二）本文在（一）的基础上，研究转折连词对微博情感表达的影响，从转折连词的4种一般使用情形，考虑微博的句内关系、句间关系，引入转折连词权重系数来改进（一）的微博子句情感值、整句情感值计算方法，提升微博情感极性分类效果。实验表明，考虑转折连词的方法比之前方法分类效果得到了提升。整体实验对比验证了本文所提出的方法不依赖领域知识，普适性较强，准确率较高。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．3 本文的工作及安排

第二章 情感分析基础

2．1 自然语言处理介绍

2．2 情感分析介绍

2．3 微博情感分析介绍

2．4 本章小结

第三章 算法设计及实现

3．1 概述

3．2 常用的微博情感分类方法

3．2．1 表情符号判别法

3．2．2 情感词典判别法

3．2．3 SVM判别法

3．3 本文算法

3．3．1 准备工作

3．3．2 规则获取

3．3．3 考虑转折连词

3．4 本章小结

第四章 实验与分析

4．1 实验数据及评价指标

4．2 实验对比与结果分析

4．3 本章小结

第五章 总结和展望

参考文献

致谢

攻读硕士学位期间发表的学术论文

攻读硕士学位期间参加的科研项目