基于文本语义和表情倾向的微博情感分析方法

被引：23

作者：

王文 ^{[1
,2
]}

王树锋 ^{[1
,2
]}

李洪华 ^{[1
]}

机构：

[1] 常州工学院计算机信息工程学院

[2] 常州工学院常州市软件技术研究与应用重点实验室

来源：

南京理工大学学报 | 2014年 / 38卷 / 06期

关键词：

文本语义; 表情倾向; 微博; 情感分析; 机器学习; 微博爬虫; 应用程序编程接口; 情感词典; 语义相似度;

D O I：

10.14177/j.cnki.32-1397n.2014.06.005

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对基于机器学习的中文微博情感分析方法存在处理过程复杂、判断准确率低等问题,该文提出了一种新的情感分析方法。将微博爬虫和Web应用程序编程接口(API)相结合,对动态微博数据进行收集和预处理。基于NTUSD和How Net中文情感词典的微博情感词的抽取和分类,计算词语语义相似度和倾向性。综合考虑表情、文本情感倾向的加权和正面情感增强等因素。实验结果表明:表情情感倾向对微博情感倾向起着重要作用;在表情和文本情感倾向比值固定的情况下,调整因素和中性区间的选择会对情感倾向判断准确率产生影响;通过与基于How Net语义相似度的计算模型比较,该文方法使得情感倾向判断准确率提高约5%。

引用

页码：733 / 738+749 +749

页数：7

共 10 条

[1] 基于深度学习的微博情感分析 [J].

梁军 ;

柴玉梅 ;

原慧斌 ;

昝红英 ;

刘铭 .

中文信息学报, 2014, (05) :155-161

[2] 基于多特征与复合分类法的中文微博情感分析 [J].

吴维 ;

肖诗斌 .

北京信息科技大学学报(自然科学版), 2013, 28 (04) :39-45

[3] 中文微博情感分析研究综述 [J].

周胜臣 ;

瞿文婷 ;

石英子 ;

施询之 ;

孙韵辰 .

计算机应用与软件, 2013, 30 (03) :161-164+181

[4] 基于表情图片与情感词的中文微博情感分析 [J].

张珊 ;

于留宝 ;

胡长军 .

计算机科学, 2012, 39(S3) (S3) :146-148+176

[5] 基于层次结构的多策略中文微博情感分析和特征抽取 [J].

谢丽星 ;

周明 ;

孙茂松 .

中文信息学报, 2012, (01) :73-83

[6] 基于机器学习的中文微博情感分类实证研究 [J].

刘志明 ;

刘鲁 .

计算机工程与应用 , 2012, (01) :1-4

[7] 基于Stacking组合分类方法的中文情感分类研究 [J].

李寿山 ;

黄居仁 .

中文信息学报, 2010, 24 (05) :56-61

[8] 基于HowNet的词汇语义倾向计算 [J].

朱嫣岚 ;

闵锦 ;

周雅倩 ;

黄萱菁 ;

吴立德 .

中文信息学报, 2006, (01) :14-20

[9]

基于共现链的微博情感分析技术的研究与实现[D]. 王岩.国防科学技术大学. 2011

[10]

Exploring traversal strategy for web forum crawling .2 Wang Yida,Yang Jiang-Ming,Lai Wei,et al. Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval . 2008

← 1 →