基于半監(jiān)督遞歸自動(dòng)編碼的微博情感分析方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和智能移動(dòng)通訊設(shè)備的普及化，微博憑借其簡(jiǎn)捷性和開放性得到迅速發(fā)展，成為網(wǎng)民在互聯(lián)網(wǎng)上獲取信息、表達(dá)觀點(diǎn)、在線交友的重要媒介。微博以內(nèi)容的即時(shí)性、傳播的廣泛性以及強(qiáng)大的交互特性改變了傳統(tǒng)網(wǎng)民交流模式，成為了真實(shí)社會(huì)的網(wǎng)絡(luò)傳感器。研究微博網(wǎng)民對(duì)社會(huì)熱點(diǎn)事件的情感、觀點(diǎn)對(duì)把握網(wǎng)絡(luò)輿情態(tài)勢(shì)，進(jìn)行及時(shí)的輿論引導(dǎo)具有重要作用。
　　本文以新浪微博為例，針對(duì)微博熱門主題，從數(shù)據(jù)獲取、文本情感分類、熱門主題情感分析的三個(gè)方

2、面做了以下工作：
　　1）設(shè)計(jì)和實(shí)現(xiàn)了基于混合策略的新浪微博熱門主題數(shù)據(jù)主動(dòng)采集爬行器。通過分析新浪微博熱門主題數(shù)據(jù)的特點(diǎn)，本文設(shè)計(jì)了采用頁面解析與新浪微博API相結(jié)合的數(shù)據(jù)采集方法，克服了新浪微博在登錄、動(dòng)態(tài)網(wǎng)頁和訪問頻次三個(gè)方面對(duì)數(shù)據(jù)采集的限制，并采用JAVA與Mysql數(shù)據(jù)庫結(jié)合的框架構(gòu)建了新浪微博熱門主題數(shù)據(jù)的采集器，實(shí)現(xiàn)了新浪微博熱門主題數(shù)據(jù)的持續(xù)主動(dòng)采集。
　　2）研究了基于半監(jiān)督遞歸自動(dòng)編碼的微博文本情感分類方

3、法。本文根據(jù)微博短文本、口語化的特點(diǎn)，首先將能夠較好抓住句子結(jié)構(gòu)特征的半監(jiān)督遞歸自動(dòng)編碼算法用于中文微博情感分類，在多個(gè)數(shù)據(jù)集上較基于支持向量機(jī)的文本情感分類方法取得了更好效果。在此基礎(chǔ)上本文提出遞歸自動(dòng)編碼訓(xùn)練的半監(jiān)督化，通過大量的無監(jiān)督數(shù)據(jù)進(jìn)行特征學(xué)習(xí)，利用學(xué)習(xí)的特征進(jìn)行監(jiān)督的訓(xùn)練，提高了分類器的分類效果與普適性。
　　3）聚焦新浪微博熱門主題進(jìn)行了微博情感分析。本文針對(duì)采集得到的新浪微博熱門主題，利用基于半監(jiān)督遞歸自動(dòng)編碼的

4、文本情感分類方法進(jìn)行中立、正面、負(fù)面情感三分類，在此基礎(chǔ)上分析了新浪微博各類別熱門主題的情感分布以及極端負(fù)面情感主題的分布情況，發(fā)現(xiàn)在大多數(shù)熱門主題中網(wǎng)民針對(duì)主題的情感是偏向正面的，在娛樂、技術(shù)、體育類熱門主題中僅有少量造成網(wǎng)民負(fù)面情感的主題，網(wǎng)民對(duì)社會(huì)事件和政府相關(guān)的大多數(shù)社會(huì)類主題呈負(fù)面的情感，并且極端負(fù)面情感主要集中于社會(huì)事件，特別是政府相關(guān)的社會(huì)事件。最后本文以柯震東房祖名吸毒事件為案例進(jìn)行了多主題關(guān)聯(lián)與情感演化分析。