情感分析

摘要： 随着互联网的发展,消费者在点评类网站发表的评论文本成为研究城市商业的一项重要数据来源.本文运用大众点评网(天津)餐饮、购物、服务等位于天津市中心城区内市级商业中心商业网点的数据,对消费者的点评文本采用自然语言处理的情感分析方法,研究商业网点的消费者情感状况,进一步在中微观层面以消费者的视角探索商业热点地区的空间分布格局,并提出相关发展建议.研究结果发现,天津中心城区内现阶段建设较完善的几个市级商业中心,其商业网点在空间都呈现密集分布;商业热点空间结构主要呈围绕核心极化型、依托道路延伸型、周边片区带动型三种模式,且一部分商业中心建设并未达到天津市商业中心布局规划(2011-2020年)的目标要求;最后为城市商业网点的布局规划提供一定的建议参考.本研究主要为城市商业热点地区的研究拓展新的数据来源,同时探索基于情感分析对商业热点地区研究的方法.

摘要： 注意力模型在许多自然语言处理任务中都表现出了优秀的性能.该文针对现有大多数情感分析方法将深度学习模型与情感符号相剥离的现状,提出了一种双重注意力模型的微博情感分析方法.该方法首先利用现有的情感知识库构建了一个包含情感词、程度副词、否定词、微博表情符号和常用网络用语的微博情感符号库;然后,采用双向长短记忆网络模型和全连接网络,分别对微博文本和文本中包含的情感符号进行编码;接着,采用注意力模型分别构建微博文本和情感符号的语义表示,并将两者的语义表示进行融合,以构建微博文本的最终语义表示;最后,基于所构建的语义表示对情感分类模型进行训练.通过将注意力模型和情感符号相结合,有效增强了对微博文本情感语义的捕获能力,提高了微博情感分类的性能.基于NLPCC微博情感测评公共数据集,对所提出的模型进行评测,在多个情感分类任务中都取得了最佳的效果,其中,在2013和2014的数据集上,相对于已知最好的模型,宏平均和微平均的F值分别提升了1.39％、1.26％和2.02％、2.21％.

摘要： 随着中国经济的不断发展,北京作为文化中心,大众的文化消费水平在不断提高.而参观博物馆是大众最为喜爱的文化消费方式之一,博物馆的客流量也在不断提高.同时,随着互联网时代的到来,互联网越来越成为大众生活中不可或缺的事物.微博作为当下最为热门的互联网社交软件之一,有大量用户通过发表微博,记录对生活的感受,微博文本数量庞大.本文将通过python进行数据抓取,抓取不同类型的博物馆相关微博文本,并以此为基础进行情感分析,计算出大众对于博物馆的情感倾向,同时将评价数值予以分类,并从博物馆、季节和区县的角度,对情感分析的结果进行分析.

摘要： 粮食储藏关乎民生和国家安全,粮食在储藏过程中,由于各种因素的影响会发生数量减少和品质的下降,无论是人为可避免还是人为不可避免的因素,或多或少的都会造成储粮损失,有效和及时减少我国粮食产后损失浪费的迫切性显而易见,这将在保障国家粮食安全、稳定粮食价格等方面发挥着重要作用.本文主要是采用大数据分析研究的方法来实现对粮食损失文本的情感计算。通过数据获取模型抓取粮食相关网站上的粮食损失文本数据，并将爬去的文本数据保存为CSV格式，存储并建立分析数据库，并在此基础上通过对文本的一系列处理分析、相关统计的分析，以及建立LDA主题模型进行分类、后期数据处理之后的可视化等进行加工提炼出有效主题和关键词，从而达到理论上的语义建构与对策研究的有机结合，并结合前述提取的粮食损失因素，能够结合实际来分析粮食损失问题，结合情感分析，最后提出更具操作性的粮食减损建议。

摘要： 本文介绍了自然语言处理的十个发展趋势，即:语义表示从符号表示到分布表示，学习模式从浅层学习到深度学习，NLP平台化从封闭走向开放，语言知识从人工构建到自动构建，对话机器人从通用到场景化，文本理解与推理从浅层分析向深度理解迈进，文本情感分析从事实性文本到情感文本，社会媒体处理从传统媒体到社交媒体，文本生成从规范文本到自由文本，NLP+行业与领域深度结合，为行业创造价值。

摘要： 随着微博的普及和电影行业的发展,微博口碑对票房的影响成为学术界和业界关注的热点问题.本文以微博和国内电影行业为研究对象,采集了2012年国内上映的67部电影的日票房数据和相关的微博数据,通过机器学习的方法对微博口碑进行了内容分类和情感分析,并采用面板数据模型对样本进行了回归分析.本文发现正面情感微博口碑能够在电影发布的早期显著影响票房,而在后期则不能显著影响票房;微博口碑存在显著的“正向偏差”效应,即正面情感微博口碑能显著影响票房,而负面情感微博口碑则不能显著影响票房.

摘要： 随着许多像Twitter一样具有全球影响力的社交网站的出现,舆论的影响力也开始跨越不同国家之间的界限,网络监察部门开始需要关注与评估国外舆论对国内的影响,而Twitter必然成为一个关注的焦点.文章基于社交媒体数据挖掘的关键技术和网络分析的相关理论,运用Python、graph-tool和NLTK等相关工具包,设计并实现了一个对Twitter进行数据搜集存储、数据分析和分析结果交互展示的综合分析系统.该系统能实时地搜集并展示某一地区的热门话题及相关推特文章,可以对推文进行情感分析展示;能够获取指定用户指定大小的个人关系网络,利用接近中心性、介数中心性以及Pagerank算法对该网络进行个体影响力分析,使用随机块模型对该网络进行社区发现.系统测试符合预期,为公安网络舆情监察工作提供了一定的参考与帮助.

摘要： 积极情绪影响人的思维和行为,游戏中的情绪影响玩家体验和参与,教育游戏如何从促进学习者积极情绪角度设计?研究采用问卷调查和文本情感分析探究游戏参与者的情绪体验,通过访谈发现影响玩家情绪的因素,进而提出教育游戏的积极情绪的塑造策略,为提升教育游戏体验提供借鉴意义.

摘要： 文字探勘(Text Mining)或称文字采矿,是大数据技术兴起后的文本解读新兴技术.对于解读主题、分类与贴文者偏好,可以迅速进行有效整合分析,提供商业经营决策上的重要参考.由于观光旅游系未来台湾发展之重要产业,网络上到处可见的贴文,游客体验后多面向的深入讨论、与正负面评价,文字探勘技术正能发挥其长处,进行宏观的审视与全盘发展策略的研议,也因此成为目前重要之探讨议题.本研究有鉴于此,尝试探讨文字探勘技术于传统文本情绪反应的主观判读之文字解读误差.透过旅游活动评价与社经特性的关联性,以探讨利用文字探勘技术规划不同类别旅游活动之可能性.最后以淡水风景区为例,进行案例分析与评估.

摘要： 文字探勘(Text Mining)或称文字采矿,是大数据技术兴起后的文本解读新兴技术.对于解读主题、分类与贴文者偏好,可以迅速进行有效整合分析,提供商业经营决策上的重要参考.由于观光旅游系未来台湾发展之重要产业,网络上到处可见的贴文,游客体验后多面向的深入讨论、与正负面评价,文字探勘技术正能发挥其长处,进行宏观的审视与全盘发展策略的研议,也因此成为目前重要之探讨议题.本研究有鉴于此,尝试探讨文字探勘技术于传统文本情绪反应的主观判读之文字解读误差.透过旅游活动评价与社经特性的关联性,以探讨利用文字探勘技术规划不同类别旅游活动之可能性.最后以淡水风景区为例,进行案例分析与评估.

摘要： 本发明实施例提供了一种文本情感分析系统及方法、存储介质，所述方法包括：获取待分析文本、待分析文本时刻、与所述待分析文本语义相关联的语义关联文本，以及语义关联文本时刻；基于所述待分析文本时刻和所述语义关联文本时刻，对所述待分析文本和所述语义关联文本按照时间顺序进行排序，得到排序文本；对所述排序文本进行分词处理，获得排序文本分词；对所述排序文本分词进行情感极性分数计算，获得所述待分析文本的情感极性分数。采用所述系统及方法、存储介质，可以提高文本情感分析的准确性。

摘要： 本发明提供了一种藏文短文本情感分析方法及装置，属于大数据处理领域，本发明提供的方法包括：设置提取情感特征的多种特征类型；获取藏文短文本，根据预设多种特征类型从藏文短文本中自动选择藏文情感特征；利用信息增益法对该藏文短文本提取藏文情感特征；将自动选择的藏文情感特征及利用信息增益法提取的藏文情感特征进行融合处理，得到最终藏文情感特征。所述装置包括存储模块、自动匹配模块、特征提取模块和特征融合模块。本发明通过融合自动选择情感特征及利用算法抽取情感特征的方法，实现两种方式优势互补效果，从而提高藏文文本情感分析的正确率。

摘要： 本发明自然语言处理领域，尤其涉及一种结合表情符的微博情感分析方法和系统。方法包括以下步骤：获取待分析的微博语句，所述微博语句包括微博文本和至少一个表情符；采用卷积神经网络方法学习出所述微博文本的第一特征表示；采用注意力机制使所述至少一个表情符中的每个表情符均对所述第一特征表示进行作用，获取第二特征表示；采用所述第二特征表示获取所述微博语句的情感分类结果并输出显示。本发明的方法把文本和表情符看作是两个交互的部分，且利用表情符注意力机制摸拟了表情符对文本的情感产生作用的认知事实，避免了直接把表情符当作模型特征产生的歧义性问题，有助于处理社交媒体中的情感分析问题，提高了情感分析的准确性。

摘要： 本公开提供一种情感分析方法和装置。情感分析装置对用户会话进行特征提取，将所提取的用户会话特征分别输入预设的第一预测模型和第二预测模型，将第一预测模型中的第一特征数据输入第二预测模型，以便第二预测模型将第一特征数据和自身的第二特征数据进行融合，并利用融合后的特征数据得到用户会话的情感分类结果。本公开通过采用迁移学习的方式，将第一预测模型中的知识迁移到第二预测模型中，从而使第二预测模型能够取得更好的分类结果。

摘要： 本发明公开了一种融合GAN和迁移学习的电商评价情感分析方法，该方法基于GAN构建迁移学习框架，通过标注的源领域文本数据和少量标注的目标领域文本数据训练生成模型和鉴别模型，生成模型生成数据训练分类器用于特定的分类任务来实现源领域到目标领域的迁移。本发明在进行特定的电子商务评价情感分析任务时，减少了模型训练的数据收集处理工作，用户只需使用标注的源领域文本数据和少量标注的目标领域文本数据训练即可，而不需要进行大量目标领域文本数据的标注工作。本发明提出的方法使迁移架构和任务结构分离，对传统的迁移学习方法进行了突破，可实现跨领域迁移学习和异构迁移学习，提升数据分析的智能化水平。

摘要： 本发明公开了一种基于上下文感知嵌入的细粒度情感分析方法。本发明步骤：1、对需要进行情感分析的数据文本进行预处理；2、将处理好的数据文本输入预训练模型中，获得固定长度的句子向量；3、将句子向量输入胶囊网络的WordCaps层，通过动态路由算法，利用平方欧几里得损失函数获取方面类型对应的极度相似的相关上下文信息；4、将相关上下文信息与方面词结合，得到重构的方面类型；5、将重构的方面向量输入胶囊网络的ApsectCaps层，通过动态路由算法进行情感分析，得到不同方面的情感极性。本发明利用带有高度相关性的上下文信息的方面向量作为输入，能更加准确的提取指定方面词的情感词，从而有效的提高情感分析的准确性。

摘要： 本发明提供了一种基于情感分析的检测网络水军方法，其特征在于，包括：获取网页评论数据，将所述评论数据进行数据预处理，将预处理过的数据分为测试数据集和训练数据集，将两种数据集构建成语料库，并进行手动情感分类，将两种数据集进行文本预处理后，运用设定分类器对训练数据集进行数据处理，生成分类模型，利用测试数据集测试分类模型精确度，然后运用已生成精确度高的分类模型对待检测数据进行自动情感分类；最后进行数据规则匹配，检测出网络水军。本发明集成了数据爬取、数据预处理、词袋模型建立、分类器构建以及规则设置五个功能模块，实现对网络水军进行快速检测的算法，在提高算法检测速度的同时，保证对用户评论的情感分类精确度。

摘要： 本发明提供一种中文情感分析方法及系统，该方法包括：获取中文语句中的所有情感词，并获取每个情感词的正向情感权重和负向情感权重；从所述中文语句中获取每个情感词对应的副词，并获取对应的副词的权重，根据对应的副词的权重修改情感词的正向情感权重或负向情感权重；从所述中文语句中获取每个情感词对应的否定词，根据否定词的个数调整修改后的正向情感权重和负向情感权重；根据所有情感词经对应的副词权重和否定词个数调整后的正向情感权重和负向情感权重计算情感得分，得到所述中文语句情感倾向。本发明在分析中文语句的情感倾向时考虑了情感词对应的副词，具有分析情感细腻性的能力，考虑了否定词，提高了情感分析的准确度。

摘要： 本发明适用于计算机技术领域，提供了一种文本的情感分析方法、情感分析装置、终端及计算机可读存储介质，其中，所述情感分析方法包括：获取目标文本对应的第一文本向量；利用已训练的门结构的循环神经网络对所述第一文本向量进行处理，将所述目标文本的上下文时序信息融合到所述第一文本向量，得到第二文本向量；对所述第二文本向量进行池化，得到所述目标文本的语义特征；基于所述语义特征，确定所述目标文本的情感分析结果。本发明能够提高文本的情感分析结果的准确性。

摘要： 本发明公开了一种基于深度表示学习的实体情感分析方法，依序采用ELMo模型、BERT模型以及ALBERT模型进行预训练，得到基于这三个模型的预训练词向量；经过步骤2产生的预训练词向量作为BiLSTM层的输入，将最终迭代结束后的隐层作为本层的输出；利用attention层计算句子s中每个词与其他所有词注意力得分，来判断该词与其他词语的关系权重；依据得到attention层的结果将对应隐层输入分类器中；并计算情感类别的概率，并将分类结果通过输出层输出最终结果。与现有技术相比，本发明提高了基于实体属性的情感识别的准确率；让模型在中文数据集上的表现得到了提升；强化了模型的泛化能力。