基于半監(jiān)督學習的用戶情感分析系統(tǒng)的設計與原型實現(xiàn).pdf

1、在互聯(lián)網(wǎng)不斷發(fā)展的今天，Twitter，微博等各類社交媒體層出不窮。各種社交媒體成為了用戶發(fā)表想法和宣泄情感的主要平臺。看似并無有效信息的一條條推文，可以分析出針對某個問題大多數(shù)用戶的情感態(tài)度。依靠普通的人力很難對海量的推文進行處理，所以通過讓計算機代替人類來學習分類的方法已經(jīng)成為趨勢。而只需要少量樣本訓練的半監(jiān)督學習方法對解決上述問題具有更好的意義和研究價值，已經(jīng)成為目前學者們的關注焦點。本文設計了一個可以分析情感傾向的平臺。提供了從

2、數(shù)據(jù)處理到特征選擇和算法實現(xiàn)的整套處理流程?？晒┯脩糇杂蛇x擇不同的處理方式，并能在已有數(shù)據(jù)集的基礎上并行計算出各種處理方式的分類準確率。本文首先根據(jù)實際應用對系統(tǒng)進行了需求分析。然后以此為基礎對系統(tǒng)的預處理模塊，特征選擇模塊，算法實體模塊和組合運算模塊進行了詳細的設計和實現(xiàn)。
　　本文在設計上有如下特色：（1）分布式組合運算。由于在數(shù)據(jù)處理，特征提取和算法選擇上有很多組合方式，用戶很難選出最合適的一種。而一個個嘗試又特別耗時，所以

3、采用分布式的處理方式讓機器自己運算得出每種組合的結果。系統(tǒng)在亂序的數(shù)據(jù)流中解決線程安全問題，能夠多線程的計算各種處理方式的分類結果。并對每種結果進行評估，選擇出針對此種主題數(shù)據(jù)的最佳處理方式。（2）提供多種特征。系統(tǒng)設置了16種情感特征。包括標點符號，詞性，表情符號等各種方面的文本屬性特征。并結合現(xiàn)有的理論及技術，提供N-gram特征和句子間的依存關系特征。通過多種特征結合的方式以達到對數(shù)據(jù)全方位分析的功能。并在此基礎上進行特征篩選。將