中文文本情感分析研究.pdf

1、隨著Internet技術的迅速發(fā)展，網(wǎng)絡不僅是人們獲取信息的重要來源，也逐漸成為人們表達個人觀點和分享自身體驗的最佳平臺，“閱讀式的網(wǎng)絡”逐步轉變成“交互式的網(wǎng)絡”。網(wǎng)絡中充斥著海量的、由用戶自主發(fā)布的文本信息，這些文本或是用戶對某個產(chǎn)品或服務的自主評價，或是公眾對某個新聞事件、國家政策的個人觀點等。如果能夠充分利用這些數(shù)據(jù)，可以為政府輿情監(jiān)測、企業(yè)市場分析等多個應用領域提供幫助。然而，這些數(shù)據(jù)每天以指數(shù)級的速度增長，僅僅依靠人工的方式

2、對其進行挖掘和分析需要消耗大量的人力和時間，如何通過有效的手段從海量的網(wǎng)絡資源中獲取我們所需要的信息？文本情感分析技術應運而生。
　　文本情感分析是目前計算機領域研究的熱點之一，旨在通過計算機技術自動地分析出文本中的態(tài)度信息，對文本的情感傾向性做出分類判斷。本文調查分析了中文文本情感分析領域的研究現(xiàn)狀，針對該研究領域中存在的問題和不足展開研究，主要研究內容和創(chuàng)新點包括:
　　(1)針對網(wǎng)絡詞語的流行和使用給情感分析帶來的困難

3、，提出了一種基于詞向量的詞語情感傾向性判斷方法。借助語言模型的訓練，采用詞向量表示詞語，從語料本身挖掘詞語之間的相似性，根據(jù)詞向量的相似度來判斷未知詞的情感傾向性，有效解決了傳統(tǒng)情感詞典的不完善和難擴充的問題。
　　(2)結合第一部分的基于詞向量的詞語情感分析方法，提出了一種融合句法樹和語義規(guī)則的中文句子情感傾向性分析方法。一方面充分考慮了句子的句法信息，在句子的句法樹結構上實現(xiàn)對句子的分析，另一方面針對句子情感極性轉移現(xiàn)象，結合

4、否定詞、程度詞、轉折詞等影響句子情感極性的特征，定義了相應的語義規(guī)則，有效提高了句子情感傾向分析的正確率。
　　(3)針對微博語句情感多元化以及微博文本涉及領域廣泛的特點，采用基于遞歸神經(jīng)網(wǎng)絡的方法對微博話題評論語句進行情感多分類分析，通過Softmax分類器識別微博文本中所反映出的言論表達者的喜、怒、哀、懼、惡、驚的情緒。在此基礎上，根據(jù)句子中的程度副詞對句子進行情感加權，實現(xiàn)對微博話題的情感傾向分析，從而預測微博話題的發(fā)展趨勢