基于長短期記憶多維主題微博情感傾向性分析.pdf

1、隨著互聯(lián)網(wǎng)應用的快速發(fā)展，人們開始大量使用各種即時媒體技術(shù)實現(xiàn)快捷的信息交互。以微博為代表的社交媒體吸引著數(shù)以萬計的用戶，人們可隨時隨地通過微博表達自己真實的想法和理念。通過挖掘微博文本中的立場、觀點、看法、情緒、好惡等主觀信息，對文本進行情感傾向的判斷，對消費者、企業(yè)和政府部門的判斷具有極大實用價值。
　　本文主要研究：如何根據(jù)微博文本中的上下短文，判別出整篇微博的情感傾向性。重點研究其中的分類算法，提出新的解決模型，并通過仿真

2、系統(tǒng)驗證算法的有效性。其主要研究內(nèi)容及成果為：
　　首先，構(gòu)建了基于標點的特征識別模型，根據(jù)特殊句式進行判斷，提出不同的識別標準，在句子層次有效識別微博情感傾向。
　　其次，為增強上下文之間的相關性，增加了句子維度，構(gòu)造了三維長短期記憶模型，降低短期記憶對模型準確率的影響，增加特征提取的準確率，降低初始權(quán)重分配對準確率的影響。
　　再次，在三維長短期記憶模型的基礎上構(gòu)造高維模型，在詞與詞相關性增加的基礎上，增加了短語與

3、短語、句與句之間的聯(lián)系。減少特殊句式對情感傾向性判斷準確性的影響
　　最后，構(gòu)建了一個多層多維主題情感分析模型，根據(jù)微博的組成元素（詞語、義群、句子、主題），將微博進行層次劃分，層層分析。引入了微博主題標簽，增加主題限制，根據(jù)不同層次中元素構(gòu)成，選擇合適的子模型，充分發(fā)揮各個子模型的優(yōu)勢，增加模型的準確率，提高模型的可移植性。
　　根據(jù)以上研究設計實驗，結(jié)果表明該模型具有較好的綜合性能，能夠有效提升中文微博情感傾向的準確性，