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(tái)的爆炸式增長(zhǎng)，比如國(guó)內(nèi)的微博、微信，國(guó)外的Twitter、Facebook等社交網(wǎng)絡(luò)平臺(tái)，人們?cè)絹?lái)越傾向于在社交網(wǎng)絡(luò)平臺(tái)上發(fā)表自己的觀點(diǎn)，表達(dá)情感態(tài)度。與此同時(shí)，社交網(wǎng)絡(luò)平臺(tái)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(duì)優(yōu)化個(gè)性化推薦，更好地進(jìn)行輿情監(jiān)控等都有很重要的價(jià)值和意義。
　　然而，社交網(wǎng)絡(luò)文本以其口語(yǔ)化、時(shí)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(lái)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(duì)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(lái)分析微博的情感。然而，在對(duì)社交網(wǎng)絡(luò)文本進(jìn)行情感分析時(shí)，也會(huì)存在一些其他的問(wèn)題，其中一個(gè)最顯著的問(wèn)題就是語(yǔ)料分布的不平衡。針對(duì)此問(wèn)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(duì)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(hào)，基于表情符號(hào)進(jìn)行無(wú)監(jiān)督的語(yǔ)料標(biāo)注，在一定程度上彌補(bǔ)了語(yǔ)料分布不平衡的問(wèn)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(duì)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(shí)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(duì)社交網(wǎng)絡(luò)文本在情感分析過(guò)

4、程中，易出現(xiàn)語(yǔ)料分布不平衡的問(wèn)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(lái)抽取網(wǎng)絡(luò)評(píng)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(gè)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(lái)