文物保護(hù)領(lǐng)域網(wǎng)絡(luò)文本傾向性分析研究.pdf

1、在移動互聯(lián)網(wǎng)時代,隨著智能機(jī)的普及和微博、微信等即時通訊工具應(yīng)用的興起,網(wǎng)民接觸新聞的渠道越來越多,關(guān)于文物的新聞事件、熱點話題快速傳播,其中最典型的如,2009年的“曹操墓真假之爭”、2012年的“王剛砸寶事件”和2013年的《功甫帖》的真?zhèn)沃疇幍?。網(wǎng)絡(luò)傳播的即時性、快速性和多樣性使大眾的觀點和思想迅速匯集,形成輿論。為準(zhǔn)確掌握文物保護(hù)領(lǐng)域的輿情,把握輿情導(dǎo)向,文物保護(hù)領(lǐng)域的文本傾向性分析具有重要的現(xiàn)實意義。
　　文物保護(hù)領(lǐng)域文

2、本傾向性分析研究利用的是文本分類思想,具體研究內(nèi)容如下:
　　(1)構(gòu)建文物保護(hù)領(lǐng)域語料庫。首先利用網(wǎng)頁抓取工具Heritrix和網(wǎng)頁解析工具HTMLParser完成網(wǎng)絡(luò)信息采集與提取,再使用中科院的ICTCLAS系統(tǒng)對文本分詞、標(biāo)注,最終整理得到文物保護(hù)領(lǐng)域語料庫;
　　(2)基于二類分類問題,對傳統(tǒng)x2統(tǒng)計量CHI和互信息特征選擇方法進(jìn)行了改進(jìn)。先分析了傳統(tǒng)x2統(tǒng)計量CHI和互信息特征選擇算法在多類分類問題上的缺陷,再對

3、其進(jìn)行改進(jìn)以適應(yīng)于本文的二類分類問題。
　　(3)構(gòu)建文物保護(hù)領(lǐng)域情感詞典。將HowNet情感詞語集中的中文正負(fù)面情感詞語、臺灣大學(xué)NTUSD的簡體中文情感極性詞典、清華大學(xué)的中文褒貶義詞典這三部分詞典合并去重得到基礎(chǔ)情感詞典,以此為基礎(chǔ),綜合利用改進(jìn)的x2統(tǒng)計量CHI和互信息特征選擇方法來構(gòu)建文物保護(hù)領(lǐng)域情感詞典。
　　(4)文本情感的結(jié)構(gòu)化表示。選取向量空間模型對文本的情感形式化表示,利用該改進(jìn)特征選擇方法選取特征項,并

4、根據(jù)本文的特征選擇方案對原TFC特征權(quán)重算法進(jìn)行了修正,將文本情感形式化表示為由具有情感傾向的特征項的權(quán)重組成的向量。
　　(5)利用libsvm進(jìn)行文本傾向性分析。利用支持向量機(jī)分類算法,通過開源軟件libsvm進(jìn)行文物保護(hù)領(lǐng)域文本傾向性分析。
　　總之,本文利用Heritrix和HTMLParser工具進(jìn)行信息采集和提取,再使用ICTCLAS系統(tǒng)對文本處理,建立了文物保護(hù)領(lǐng)域語料庫,利用改進(jìn)的特征選擇方法構(gòu)建了文物保護(hù)領(lǐng)