面向互聯(lián)網公眾評論的情感分析方法研究.pdf

1、隨著信息技術的飛速發(fā)展，我們已經進入了大數據時代。在泛網物聯(lián)的環(huán)境下，人們上網變得越來越容易，可以在任何時間、任何場合對網上感興趣對象（如新聞事件、商品貨物、民生輿論）進行個人的評價。因此會產生大規(guī)模的評論，在這些評論中，如果用戶無法第一時間準確地找到自己感興趣的評論，不僅會浪費大量時間，而且還會降低用戶的上網體驗。因此需要用合適的方法提取評論中的重要信息，使用戶能夠快速的定位。用戶在網上進行的評論通常是一種情感的表達，具有主觀性，因此

2、可以通過對網絡評論文本的情感分類達到方便用戶檢索和分析信息。
　　本研究提出了一種基于經典的情感詞典方法進行分類，具體步驟為：通過爬蟲技術爬取網絡評論進行保存；對文本進行預處理，去除噪聲數據；構建情感詞典。但是由于基于情感詞典本身所存在的不足，針對互聯(lián)網公眾評論多源、數據海量、篇幅較短、形式多樣、信息量大、情感強烈的特點，提出了基于深度卷積神經網絡的面向互聯(lián)網公眾短評論的情感分類方法。相對于傳統(tǒng)的情感分類方法，卷積神經網絡在提取局

3、部特征上具有得天獨厚的優(yōu)勢，并且它的強大之處還在于兩大特性：一是局部感知，二是參數共享。正因為這兩大特點使得我們在訓練的過程中可以大大減少訓練參數。本文設計了一個8層的卷積神經網絡結構作為面向公眾短評論的情感分類器，使得在提取局部特征方面變得更為精確。該方法具體步驟如下：使用Word2Vec將評論文本轉化為詞空間向量；將二維矩陣文本轉化為灰度圖像格式；將圖片數據輸入基于深度卷積網絡的情感分類器中進行訓練學習，有效防止過擬合的產生，使模型