基于消費意圖和情感分析的票房預(yù)測建模.pdf

1、微博作為一種新興的社交媒體，已經(jīng)積累了大量的用戶和影響力。微博不斷增加的在線評論正在極大影響著傳統(tǒng)的市場決策，使得文本挖掘成為商業(yè)界和學(xué)術(shù)界共同的熱點話題。用戶的每一條評論所匯聚成的集體智慧，不僅含有對某種商品的購買意愿，即消費意圖，此外，微博平臺上包含著用戶對商品各方面評價的用戶評論也影響消費者的購買決策。這些包含消費意圖和情感傾向的數(shù)據(jù)對科學(xué)研究和商業(yè)應(yīng)用有著極高的價值。
　　本文以微博中電影主創(chuàng)人員的電影評論為研究對象，重點

2、關(guān)注評論中的消費意圖和情感信息挖掘，并探討將這種信息用于票房預(yù)測。具體來說本文的工作主要包括以下五個方面：
　?。?）對消費意圖分類進(jìn)行重定義：在微博評論中即便用戶表達(dá)出了消費意圖，也不一定代表會有消費行為，因為消費意圖正例包括顯式消費意圖和隱式消費意圖。因此，本文將消費意圖正例定義為顯示消費意圖，即明確表明要進(jìn)行消費的用戶。
　?。?）對情感分類標(biāo)準(zhǔn)進(jìn)行重定義：由于正面評論的數(shù)量和票房之間沒有直接的關(guān)系。因此本文首先假設(shè)如

3、果有更多的微博評論是和票房增長相關(guān)，則電影的票房會更好。基于這個假設(shè)將經(jīng)過主客觀分類的微博評論分為3類：正面評論即消費意圖正例；中性評論即對影片、演員等表達(dá)積極情感的評論；負(fù)面評論是對劇情、演技等表達(dá)負(fù)面或者消極的情感。
　?。?）基于SVM的消費意圖挖掘：本文提出了基于SVM的消費意圖分類算法，首先通過對微博語料的觀察，定義消費意圖正例的2類特征；然后采用人工標(biāo)注的方式獲得消費意圖正例；將定義的2類特征用來表示評論文本并訓(xùn)練出消

4、費意圖分類模型，并利用該模型對給定的微博評論進(jìn)行消費意圖分類；最后將分類結(jié)果與人工標(biāo)注的結(jié)果對比，準(zhǔn)確率高達(dá)73％。
　　（4）基于SVM的情感分類：為了對評論中的信息進(jìn)行挖掘，本文首先對已有的情感資源加以概括和總結(jié)，使用擴(kuò)展的點互信息算法(SO-PMI)判斷候選詞的情感類別，自動獲得領(lǐng)域詞典，構(gòu)建一個面向微博電影評論的情感詞典。然后，由于微博表達(dá)方式的多元化，首先對評論文本進(jìn)行預(yù)處理，采用情感詞作為特征選擇；最后使用Libsvm