基于微博的细粒度情感分析

摘要

【目的】对微博进行细粒度情感分析，将情感分为8类，并计算其情感强度值，从而尽可能还原微博用户情感。【方法】通过微博语料分析构建疑问词词表，在大连理工大学情感词汇本体DUTIR的7类情感基础上，丰富一类情感“疑”，并利用点互信息法构建表情符号词典，还综合考虑否定词和程度副词对情感表达的影响，利用Python从新浪微博上获取数据，并用R语言的iiebaR包进行分词，对情感进行分类并计算其强度。【结果】得到微博用户对于糖尿病7类常用药物的8类情感占比及情感强度，并通过正确率、召回率、F值对结果进行验证，其中“怒”和“哀”的正确率最高，分别为85．73％和83．05％，而“乐”和“好”的召回率与F值均最高，为81％以—匕本文新增情感“疑”的正确率、召回率、F值分别为77．33％、78．58％、77．95％，均值在8类情感中排名前列，说明其情感识别较好。【局限】由于本文依赖于情感词典进行情感分析，因此为了更好的分析结果，情感词典仍需进一步完善。【结论】本方法具有较高的识别率和可靠性，能够更好地对微博上的情感分类进行细粒度分析。