探讨情感基于PAD模型中文微博情感

论文导读：的分类办法33-414.3.1中文微博文本的预处理33-344.3.2结合语义特点的权重计算34-384.3.3特点提取38-404.3.4分类器的选择404.3.5分析历程40-414.4本章小结41-435实验及分析43-525.1实验基础43-445.2基于PAD情感语义特点的权重计算办法分类效果实验44-465.

2.1实验历程44-455.2实验结果与分析45-465.3支持向量机

摘要：近年来,微博已经成为全球最受欢迎的网络运用之一,微博的快速进展使其显示出了巨大的社会价值和商业价值,人们逐渐习惯在从微博为代表的社交网络上获取、交流信息与表达情感。文本情感倾向性分析主要关注从文本模式有着的信息中的情感倾向,当庞大的数据量使得它无法手动对它们进行分析时,情感分析就开始发挥意义了。情感分析在英文世界一直是一个被广泛探讨的领域,而中文情感分析的探讨仍处于起步阶段,大部分工作已通过尝试被证明是适用于英文的。首先,本论文总结分析了文本倾向性分析的基本概念与算法模型,在此基础上,将心理学中的PAD情感模型引入,结合知网提供的语义相似度计算办法,提出了一种利用给定基础情感词汇与其对应PAD值计算词汇的PAD值的办法,并从此构建了一个基于PAD情感模型的情感词典。其次,本论文将不足扩展到中文的文本倾向性分析探讨中,提出了一种结合统计信息与语义信息的权重计算办法,通过该办法,在一定程度上消除特点歧义对于分类器的影响,使得特点的权重更贴合文本的语义,分类的效果更好。最后,本论文综合中文微博文本分析探讨近况,分析了现有的文本表示模型,结合机器学习中的支持向量机算法,提出了基于PAD情感语义特点的支持向量机分类办法。实验结果表明,基于支持向量机的分类算法的效果好于k最近邻节点算法的效果。同时,本论文提出的基于PAD情感语义特点的支持向量机分类办法都能够取得对比实用的效果,并对普通的支持向量机办法效果存在明显的改善。关键词：中文信息处理论文微博论文情感分析论文PAD情感模型论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
Abstract5-8
1 绪论8-17

1.1 探讨背景及作用8-9

1.2 相关探讨9-14

1.2.1 微博9-12

1.2.2 文本情感分析12-13

1.2.3 目前有着的不足13-14

1.3 探讨目的与主要工作14-15

1.3.1 探讨目的14

1.3.2 主要工作14-15

1.4 本论文结构15-17

2 微博文本情感分析基础17-23

2.1 相关探讨工作17-18

2.2 语言特点提取18-19

2.3 情感分类模型19-22

2.3.1 朴素贝叶斯算法19-20

2.3.2 k最近邻节点算法20

2.3.3 随机森林算法20-21

2.3.4 支持向量机算法21-22

2.4 本章小结22-23

3 基于PAD情感模型的情感词典构建23-30

3.1 PAD情感状态空间模型23-24

3.2 情感词典的建立24-29

3.

2.1 语义相似度计算24-27

3.

2.2 词汇的PAD值计算27-29

3.3 本章小结29-30
4 基于PAD情感语义特点的中文微博情感分析30-43

4.1 中文文本的特征30-31

4.2 微博文本的特征31-33

4.3 结合语义特点与统计特点的分类办法33-41

4.

3.1 中文微博文本的预处理33-34

4.

3.2 结合语义特点的权重计算34-38

4.

3.3 特点提取38-40

4.

3.4 分类器的选择40

4.

3.5 分析历程40-41

4.4 本章小结41-43
5 实验及分析43-52

5.1 实验基础43-44

5.2 基于PAD情感语义特点的权重计算办法分类效果实验44-46

5.

2.1 实验历程44-45

5.

2.2 实验结果与分析45-46

5.3 支持向量机算法与k最近邻节点算法分类效果实验46-47
5.

3.1 实验历程46-47

5.

3.2 实验结果与分析47

5.4 基于PAD情感模型的有主题微博分类效果实验47-50
5.

4.1 实验历程47-48

5.

4.2 实验结果与分析48-50

5.5 本章小结50-52
结论52-54
参考文献54-57
攻读硕士学位期间发表学术论文状况57-58
致谢58-59