文本情绪分析综述

被引:95
作者
李然 [1 ,2 ]
林政 [1 ]
林海伦 [1 ]
王伟平 [1 ]
孟丹 [1 ,2 ]
机构
[1] 信息内容安全技术国家工程实验室(中国科学院信息工程研究所)
[2] 中国科学院大学网络空间安全学院
关键词
情绪分析; 观点挖掘; 情感分析; 机器学习; 情绪词典;
D O I
暂无
中图分类号
TP391.1 [文字信息处理];
学科分类号
081203 ; 0835 ;
摘要
随着社交网络、电子商务、移动互联网等技术的发展,各种网络数据迅速膨胀.互联网上蕴含着大量带有情绪色彩的文本数据,对其充分挖掘可以更好地理解网民的观点和立场.首先介绍了情绪分析的相关背景知识,包括不同情绪分类体系和文本情绪分析在舆情管控、商业决策、观点搜索、信息预测、情绪管理等场景的应用;然后从情绪分类的角度整理归纳了文本情绪分析的主流方法,并对其进行了细致的介绍和分析对比;最后,阐述了文本情绪分析存在的数据稀缺性、类别不平衡、领域依赖性、语言不平衡等问题,并结合大数据处理、多媒体融合、深度学习发展、特定主题挖掘和多语言协同等研究热点对文本情绪分析的前沿进展进行了概括和展望.
引用
收藏
页码:30 / 52
页数:23
相关论文
共 31 条
[1]   面向网络舆情数据的异常行为识别 [J].
郝亚洲 ;
郑庆华 ;
陈艳平 ;
闫彩霞 .
计算机研究与发展, 2016, (03) :611-620
[2]   多层次中文微博情绪分析 [J].
刘宝芹 ;
牛耘 .
计算机技术与发展, 2015, 25 (11) :23-26
[3]   基于依存句法分析的社会媒体文本挖掘方法——以饮食习惯特色分析为例 [J].
任彬 ;
车万翔 ;
刘挺 .
中文信息学报, 2014, (06) :208-215
[4]   基于句法特征的评价对象抽取方法研究 [J].
戴敏 ;
王荣洋 ;
李寿山 ;
朱珠 ;
周国栋 .
中文信息学报, 2014, 28 (04) :92-97
[5]   使用基于模式的Bootstrapping方法抽取情感词 [J].
王昌厚 ;
王菲 .
计算机工程与应用, 2014, 50 (01) :127-129
[6]   多策略中文微博细粒度情绪分析研究 [J].
欧阳纯萍 ;
阳小华 ;
雷龙艳 ;
徐强 ;
余颖 ;
刘志明 .
北京大学学报(自然科学版), 2014, 50 (01) :67-72
[7]   基于模式匹配与半监督学习的评价对象抽取 [J].
宋晖 ;
史南胜 .
计算机工程, 2013, 39 (10) :221-226
[8]   融合核心句与依存关系的评价搭配抽取 [J].
陶新竹 ;
赵鹏 ;
刘涛 .
计算机技术与发展, 2014, 24 (01) :118-121
[9]   文本情感倾向分析 [J].
黄萱菁 ;
张奇 ;
吴苑斌 .
中文信息学报, 2011, 25 (06) :118-126
[10]   文本情感分析 [J].
赵妍妍 ;
秦兵 ;
刘挺 .
软件学报, 2010, 21 (08) :1834-1848