试述情感中文微博情感技术

论文导读：
摘要：随着网络技术的进展,互联网信息互动的模式越来越多样化。在Web2.0时代的主流网络社交平台中,微博已经成为广大互联网用户最为喜爱的社交工具之一。在从速度和效率为标准的信息时代,微博不仅为人们提供了跨越时间和距离的即时通讯互动平台；同时,微博为人们提供了体现自我、表达情感和展现个性的动态展示平台。微博消息每时每刻都在不断更新,规模庞大的带有情感信息的微博文本,使得针对微博进行情感分析的探讨成为可能。目前微博情感分析的探讨主要针对英文微博文本,面向中文微博情感分析的探讨尚处于起步阶段。本论文的主要探讨内容包括从下一些：(1)对话题型中文微博的语言特征进行了详细探讨。针对其特征,分析了观点句识别和情感极性分类的相关特点,对微博语料情感要素抽取中的不足进行了分析。(2)构建了微博情感分析所需利用的情感词库,包括7类词典：情感词典、网络用语词典、腾讯微博表情符词典、主观性词语词典、语气词词典、程度副词词典从及否定词词典。提出了一种情感词典自动扩展办法。(3)采取规则与机器学习结合的办法进行了微博语料观点句识别、情感极性分类和情感要素抽取三项任务的实践：观点句识别首先采取规则过滤掉一部分非观点句,然后采取微博的表情符、情感词等特点,基于SVM的办法对其进行观点句分类；使用观点句分类的结果集,利用SVM进行了情感极性分类；结合情感词定位规则与CRF办法对观点句的评价对象进行抽取并判断评价对象的极性关键词：中文微博论文情感分析论文情感词典论文SVM论文CRF论文
本论文由www.7ctime.com,需要论文可从关系人员哦。摘要2-4
ABSTRACT4-6
目录6-8
第1章 引言8-16

1.1 探讨背景及作用8-9

1.2 微博进展近况9-11

1.3 本论文探讨内容11-14

1.3.1 评测任务简介11-12

1.3.2 腾讯微博介绍12-14

1.4 本论文组织结构14-16

第2章 相关探讨概述16-25

2.1 观点句识别16-18

2.

1.1 英文文本观点句识别16-17

2.

1.2 中文文本观点句识别17-18

2.2 情感极性分类18-19

2.1 基于词典和规则的办法18

2.2 基于机器学习的办法18-19

2.3 基于语义的分析办法19

2.3 情感要素抽取19-21

2.3.1 观点持有者识别20

2.3.2 评价对象与评价词抽取20-21

2.4 微博情感分析21-23

2.4.1 话题无关情感分析21-22

2.4.2 话题相关情感分析22-23

2.5 本章小结23-25

第3章 中文微博特征探讨25-33

3.1 微博的语言现象特征25-28

3.2 微博特点不足分析28-32

3.

2.1 观点识别和极性分类特点分析28-31

3.

2.2 微博情感要素抽取不足分析31-32

3.3 本章小结32-33
第4章 算法设计与实现33-48

4.1 情感词库简介33-35

4.

1.1 情感词典33

4.

1.2 网络用语词典33

4.

1.3 主观性词语词典33-34

4.

1.4 表情符词典34

4.

1.5 语气词词典34-35

4.

1.6 程度副词词典35

4.

1.7 否定词词典35

4.2 情感词典扩展35-38

4.3 相关机器学习模型38-41

4.

3.1 支持向量机(SVM)介绍38-40

4.

3.2 条件随机场(CRF)介绍40-41

4.4 话题微博情感分析总体框架41-42

4.5 观点句识别42-44

4.5.1 观点句判定标准42

4.5.2 观点句识别流程图42-43

4.5.3 语料预处理43

4.5.4 特点选取43-44

4.6 情感极性分类44-46

4.6.1 情感极性分类流程图44-45

4.6.2 特点选取45-46

4.7 情感要素抽取46-47

4.7.1 评价对象抽取46-47

4.7.2 评价对象极性判断47

4.8 本章小结47-48

第5章 实验结果及分析48-55

5.1 实验数据集48

5.2 评价办法及指标48-50

5.

2.1 准确率和召回率48-49

5.

2.2 F1值49

5.

2.3 宏平均和微平均49-50

5.3 情感词典扩展50-51

5.4 观点句识别51-52

5.5 情感极性分类52-53

5.6 情感要素抽取5论文导读：3-545.7本章小结54-55第6章结论及展望55-576.1本论文主要工作55-566.2有着的不足及下一步工作展望56-57参考文献57-61致谢61-62附录1攻读硕士期间参与的课题与项目62附录2攻读硕士期间发表的论文62-63上一页12
3-54

5.7 本章小结54-55

第6章 结论及展望55-57

6.1 本论文主要工作55-56

6.2 有着的不足及下一步工作展望56-57

参考文献57-61
致谢61-62
附录1 攻读硕士期间参与的课题与项目62
附录2 攻读硕士期间发表的论文62-63