基于K關(guān)聯(lián)圖的流分類算法及其在微博情感分析中的應(yīng)用.pdf

1、隨著信息黃金時(shí)代的到來(lái)，人們?cè)絹?lái)越意識(shí)到數(shù)據(jù)的重要性，而從這些大量的數(shù)據(jù)中挖掘有用的信息也變得越來(lái)越困難。特別是微博的興起，使得每天產(chǎn)生大量的微博文本數(shù)據(jù)，而這些微博文本較短，信息量較少，通常被稱作短文本流。在這些短文本流中，蘊(yùn)藏著大量意見資源。比如產(chǎn)品的評(píng)論，這些評(píng)論對(duì)于賣家和買家都很有價(jià)值;又如熱點(diǎn)事件的評(píng)論，這些評(píng)論對(duì)于政府部門了解人民群眾對(duì)某些事件的態(tài)度也很重要。因此，如何從短文本流中挖掘有用的知識(shí)是人們關(guān)心的問題，這些需求也促

2、使著數(shù)據(jù)流挖掘成為近年來(lái)研究的熱點(diǎn)和難點(diǎn)。
　　本文在總結(jié)了一些成熟的數(shù)據(jù)流分類算法的基礎(chǔ)之上，提出了一種基于K關(guān)聯(lián)圖的數(shù)據(jù)流分類算法(K-associatedGraphsBasedClassifier，KGBC)，該算法首先把整個(gè)數(shù)據(jù)塊表示成一張K關(guān)聯(lián)圖，通過K關(guān)聯(lián)圖能夠表示數(shù)據(jù)實(shí)例之間的相似關(guān)系和子圖的純度。然后根據(jù)K關(guān)聯(lián)圖優(yōu)化算法對(duì)數(shù)據(jù)塊劃分的結(jié)果去選擇基礎(chǔ)分類器中與當(dāng)前待分類的數(shù)據(jù)塊概念相似的基礎(chǔ)分類器，最后對(duì)這些基礎(chǔ)分類

3、器進(jìn)行集成，使用概念相似度作為基礎(chǔ)分類器的權(quán)重對(duì)測(cè)試數(shù)據(jù)進(jìn)行分類。該算法不用每當(dāng)新的數(shù)據(jù)塊來(lái)的時(shí)候重新訓(xùn)練分類器，從而節(jié)省時(shí)間。實(shí)驗(yàn)表明，KGBC算法具有較好的預(yù)測(cè)準(zhǔn)確率。
　　本文的另一項(xiàng)工作是短文本流中的情感分析。短文本流情感分析關(guān)鍵是如何判別文本消息的情感傾向性，而判別情感傾向性的首要條件是構(gòu)建一個(gè)適合微博文本的情感詞詞典。因此，本文提出了一種基于依存句法的微博情感詞抽取算法，根據(jù)微博情感詞在依存句法中常出現(xiàn)的位置總結(jié)出一些