基于中文微博的情感分類技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，微博作為一種新興的社交平臺，其應(yīng)用已經(jīng)逐步滲透到人們生活的各個方面。微博中包含著人們對產(chǎn)品、娛樂、社會熱門事件等的觀點和看法，蘊含了豐富的情感信息。分析微博平臺上的用戶在某一事件段內(nèi)或?qū)δ骋惶囟ㄔ掝}的情感態(tài)度，有效的對它們進行情感分類，不但能夠讓商家及時獲取用戶意見，同時能夠讓政府部門及時了解社會動態(tài)，傾聽民眾心聲，對社會輿情具有良好的監(jiān)控作用，具有巨大的商業(yè)價值和社會價值。
　　本文將對中文微博的情感分類

2、技術(shù)做深入的研究，包括情感極性分類和情感細粒度分類。主要的研究內(nèi)容如下:
　　(1)對微博情感的極性分類方法進行了研究。將微博情感分類為正向情感和負向情感兩個類別，對其中涉及的技術(shù)進行了一定改進。首先，傳統(tǒng)信息增益方法在進行特征選擇時，并沒有考慮特征項在類內(nèi)和類間出現(xiàn)情況，對此，本文引入類間集中度和類內(nèi)均勻度兩個因子，對信息增益方法進行補充。其次，在特征權(quán)重計算過程中，本文結(jié)合微博情感分類的問題特點，將特征的情感信息和位置信息進行

3、加權(quán)，實現(xiàn)了對傳統(tǒng)TF-IDF計算方法的調(diào)整。
　　(2)對微博情感的細粒度分類方法進行了研究。將微博情感分類為樂、好、驚、怒、哀懼、惡七個類別，對傳統(tǒng)的方法進行了分析和改進。首先，為了彌補現(xiàn)有的多類別情感詞典在詞語覆蓋范圍方面的不足，對現(xiàn)有的多類別情感詞典進行了擴展，利用微博訓練語料生成候選情感特征，提出了基于方差的TF-IDF情感特征選擇方法，并對選擇出的情感特征計算傾向和強度，將其補充進情感詞典。然后，根據(jù)擴展后的情感詞典，