中文微博評論的情感傾向分析.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展和普及，使用微博的用戶越來越多，人們越來越熱衷于在微博上發(fā)表自己的觀點(diǎn)和對某事的評論，于是微博成為了人們溝通的橋梁，也是人們獲取信息最為重要的一個社交平臺。然而，相比于Twitter、Facebook等外文社交平臺，中文微博的情感分析研究的相對較少。用戶發(fā)表的評論觀點(diǎn)，一定程度上表達(dá)出了用戶對某產(chǎn)品或者是信息資源的態(tài)度，同時(shí)也表現(xiàn)出強(qiáng)烈的情感傾向，因此情感傾向分析便逐漸成為自然語言處理研究的熱點(diǎn)。按文本研究粒度來分，

2、情感分析通常分為詞匯情感傾向分析、句子情感分析和篇章情感分析,其中詞匯情感分析又是文本情感分析的基礎(chǔ)和前提。本文的主要研究工作如下：
　　(1)介紹情感分析目前的研究現(xiàn)狀、研究背景以及研究意義。
　　(2)詳細(xì)介紹情感傾向分析要用到的相關(guān)基礎(chǔ)知識。針對現(xiàn)有漢語詞匯極性分析對詞匯的義原考慮的不夠全面，使得極性分析存在不準(zhǔn)確的問題，本文基于HowNet提出了一種更有效的詞匯語義傾向性計(jì)算方法。本方法的主要思想是：先找準(zhǔn)一組褒貶中

3、性詞庫，然后提取出待測詞與詞庫中基準(zhǔn)詞詞匯的極性義原、詞性、其它義原，計(jì)算相應(yīng)的相似度，并分別給出合適的權(quán)重值，由此計(jì)算出待測詞與基準(zhǔn)詞的相似度，最后判斷待測詞的情感傾向。實(shí)驗(yàn)結(jié)果表明，該方法可以進(jìn)一步的提高語義極性傾向判別準(zhǔn)確率。
　　(3)對現(xiàn)有的文本情感分類方法進(jìn)行了研究，分析比較了這些方法各自存在的特點(diǎn)及問題。針對存在的問題，對比于傳統(tǒng)的Bayes算法及SVM算法，本文提出了一種基于Hopfield的句子情感傾向分析算法，