微博多領(lǐng)域情感分析系統(tǒng)研究與實現(xiàn).pdf

1、近年來，微博作為一種新的信息發(fā)布平臺和社交平臺越來越受到人們的關(guān)注，蘊(yùn)含著巨大的政治和商業(yè)價值。通過對博文大數(shù)據(jù)展開情感傾向性分析，可以實現(xiàn)微博營銷、品牌宣傳、客戶關(guān)系管理、輿情監(jiān)控等有價值的應(yīng)用。
　　目前已有的研究主要針對專業(yè)網(wǎng)站的評論數(shù)據(jù)展開分析，取得了較好的結(jié)果。不同于專業(yè)網(wǎng)站的用戶評論，微博數(shù)據(jù)具有數(shù)據(jù)量大、話題分散、垃圾信息多等特點，很難直接將要素級情感分析的方法用于大規(guī)模的日常微博數(shù)據(jù)進(jìn)行分析應(yīng)用，研究更多針對博文的

2、情感極性判別，沒有考慮評價對象的識別。
　　本文提出了基于領(lǐng)域自動分揀的情感要素分析模型，通過實驗獲取有價值的博文特征表示，訓(xùn)練評價對象抽取模型和情感傾向性判別模型。本文設(shè)計實現(xiàn)的MSAS（Microblog Sentiment Analysis System）系統(tǒng)能夠自動地完成微博數(shù)據(jù)預(yù)處理、情感要素分析和統(tǒng)計分析功能，為相關(guān)的應(yīng)用提供有價值的分析工具。主要工作如下：
　　（1）深入研究兩個核心任務(wù)（評價對象抽取和評價對象

3、傾向性分析）的理論方法，針對多個領(lǐng)域，通過選用不同的特征組合來訓(xùn)練評價對象抽取模型以及情感傾向分類模型，最后通過實驗比較多個領(lǐng)域下不同特征組合對模型應(yīng)用效果的影響，最終篩選出各領(lǐng)域中較優(yōu)的模型。
　　（2）針對微博文本的口語化、網(wǎng)絡(luò)化的語言特點提出數(shù)據(jù)預(yù)處理的方案，結(jié)合詞頻統(tǒng)計以及貝葉斯分類對微博語料進(jìn)行數(shù)據(jù)清洗，結(jié)構(gòu)化數(shù)據(jù)，以便存儲及處理。為了高效地從海量微博數(shù)據(jù)中得到多領(lǐng)域有價值的微博數(shù)據(jù)，本文通過研究選取了與多個領(lǐng)域相關(guān)的特

4、性，基于支持向量機(jī)的分類方法設(shè)計并實現(xiàn)微博數(shù)據(jù)的自動分揀。
　?。?）設(shè)計并實現(xiàn)了微博情感分析系統(tǒng)MSAS，該系統(tǒng)包括訓(xùn)練系統(tǒng)MSAST和應(yīng)用系統(tǒng)MSASA，訓(xùn)練系統(tǒng)主要負(fù)責(zé)訓(xùn)練評價對象抽取模型以及情感傾向性判別模型，應(yīng)用系統(tǒng)負(fù)責(zé)利用模型來進(jìn)行微博情感分析。應(yīng)用該系統(tǒng)從微博中選取了3個領(lǐng)域來訓(xùn)練模型，以電腦領(lǐng)域為例得到了熱門的評價對象以及它們的情感極性分布。
　　實驗結(jié)果表明，MSAS系統(tǒng)能夠有效地面向微博用戶興趣領(lǐng)域挖掘出