试述情感中文微博情感技术
最后更新时间:2024-04-03
作者:用户投稿本站原创
点赞:15643
浏览:69270
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
第4章 算法设计与实现33-48
3-54
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
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16-252.1 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18-192.1 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25-333.1 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35-384.3 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41-424.5 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48-555.1 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50-515.4 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123-54
5.7 本章小结54-55
第6章 结论及展望55-576.1 本论文主要工作55-56
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