面向社交網(wǎng)絡(luò)文本的情感分析方法的研究.pdf

1、隨著在線社交網(wǎng)絡(luò)平臺的爆炸式增長，比如國內(nèi)的微博、微信，國外的Twitter、Facebook等社交網(wǎng)絡(luò)平臺，人們越來越傾向于在社交網(wǎng)絡(luò)平臺上發(fā)表自己的觀點(diǎn)，表達(dá)情感態(tài)度。與此同時，社交網(wǎng)絡(luò)平臺產(chǎn)生了海量的蘊(yùn)含了用戶的情感傾向、觀點(diǎn)態(tài)度的文本數(shù)據(jù)。挖掘這些信息分析其情感傾向性，對優(yōu)化個性化推薦，更好地進(jìn)行輿情監(jiān)控等都有很重要的價值和意義。
　　然而，社交網(wǎng)絡(luò)文本以其口語化、時效性強(qiáng)以及網(wǎng)絡(luò)化等特點(diǎn)，給傳統(tǒng)的情感分析等任務(wù)帶來了巨大

2、的挑戰(zhàn)。眾所周知，除了文本，轉(zhuǎn)發(fā)等行為關(guān)系數(shù)據(jù)也是社交網(wǎng)絡(luò)文本的一大特點(diǎn)。針對此特點(diǎn)，本文結(jié)合圖排序模型，利用用戶的行為關(guān)系數(shù)據(jù)來分析微博的情感。然而，在對社交網(wǎng)絡(luò)文本進(jìn)行情感分析時，也會存在一些其他的問題，其中一個最顯著的問題就是語料分布的不平衡。針對此問題，本文做了進(jìn)一步研究，提出了一種基于情感關(guān)鍵句抽取的跨領(lǐng)域情感分析方法。
　　一方面，本文針對社交網(wǎng)絡(luò)文本自身的特點(diǎn)，提出了一種基于圖排序模型的微博情感分析方法。該方法首先利

3、用微博中含有的豐富的表情符號，基于表情符號進(jìn)行無監(jiān)督的語料標(biāo)注，在一定程度上彌補(bǔ)了語料分布不平衡的問題;然后，鑒于微博等社交網(wǎng)絡(luò)文本的特征的稀疏性，利用受限波爾茲曼機(jī)進(jìn)行新特征抽取;最后，利用微博的轉(zhuǎn)發(fā)關(guān)系以及同一用戶發(fā)表的不同微博之間的關(guān)系，構(gòu)建了微博鄰接關(guān)系圖，并結(jié)合圖排序模型對微博進(jìn)行情感分析。該方法充分利用社交網(wǎng)絡(luò)文本的文本數(shù)據(jù)的同時結(jié)合行為關(guān)系數(shù)據(jù)，較好地實(shí)現(xiàn)了微博的情感分析。
　　另一方面，針對社交網(wǎng)絡(luò)文本在情感分析過

4、程中，易出現(xiàn)語料分布不平衡的問題，提出了一種基于情感關(guān)鍵句抽取的跨領(lǐng)域情感分析方法。該方法首先基于文檔中不同句子具有不同的情感貢獻(xiàn)度的思想提出了情感關(guān)鍵句的概念，構(gòu)造抽取情感關(guān)鍵句的啟發(fā)式規(guī)則，并與機(jī)器學(xué)習(xí)算法相結(jié)合來抽取網(wǎng)絡(luò)評論的情感關(guān)鍵句;然后基于抽取的情感關(guān)鍵句，將數(shù)據(jù)劃分為key和detail兩個視圖;最后利用視圖集成策略將兩視圖有效融合，實(shí)現(xiàn)了跨領(lǐng)域的情感分析，進(jìn)而在一定程度上解決了隨著社交網(wǎng)絡(luò)的飛速發(fā)展，文本數(shù)據(jù)分布變化帶來