適于短文本的輿情熱點(diǎn)挖掘及其情感傾向分析系統(tǒng).pdf

1、隨著網(wǎng)絡(luò)的普及和日趨豐富的社交軟件的出現(xiàn)，網(wǎng)絡(luò)作為一個(gè)新起的輿論方式已深入人們的日常生活。輿情分析任務(wù)涉及分詞、聚類(lèi)、情感分析等相關(guān)工作。在這些工作中算法存在效率和精度難以平衡的問(wèn)題。本文在分詞、聚類(lèi)、情感分析方面分別針對(duì)這個(gè)問(wèn)題提出了算法模型，并做了實(shí)驗(yàn)加以驗(yàn)證和闡述。最后將這些技術(shù)應(yīng)用于中關(guān)村網(wǎng)站進(jìn)行了輿情分析工作。本文的主要研究成果包括以下四方面:
　　1.提出了基于詞群的分詞算法。同時(shí)利用詞典、規(guī)則和建立歧義解析圖模型來(lái)實(shí)

2、現(xiàn)句子的切分。算法采用較HMM分詞短的決策距離，降低了時(shí)間復(fù)雜度，同時(shí)又具有較高分詞精度。
　　2.結(jié)合密度聚類(lèi)、網(wǎng)格聚類(lèi)算法的特點(diǎn)，提出了一種基于邊緣度密度距的聚類(lèi)算法。算法采用新的密度度量及與之相關(guān)的聚類(lèi)定義。分析表明，該算法兼具精度和速度的優(yōu)勢(shì)。
　　3.本文結(jié)合神經(jīng)網(wǎng)絡(luò)感知器與貝葉斯分類(lèi)器建立情感判定決策樹(shù)。利用此模型對(duì)文章信息進(jìn)行情感評(píng)判和打分，為后期的輿情分析系統(tǒng)提供所需功能。
　　4.詳細(xì)講述了前面技術(shù)在