论文部分内容阅读
随着互联网的发展,在Web2.0时代的主流网络社交平台中,微博已经是被广大互联网用户使用最频繁的社交工具。它因为书写简短,发布方便,以及能进行实时互动等诸多特点受到大众的欢迎。用户逐渐倾向使用微博工具来向外界分享自己的内容,进而来表达自己的观点、看法和情绪。微博影响力的日益扩大,也吸引了大批研究者的关注,其中对微博进行情感分类就是相关领域中一个重要的研究方向。当前关于英文微博的情感分类的研究比较充分,而有关中文微博的情感分类研究还处于初始阶段。中文微博用户日益增多,微博已经开始影响国人的方方面面,所以开展中文微博的情感分类研究显得非常重要和紧迫。情感分类研究主要是通过分析和挖掘文本中带有情感性的主观性内容,以此对文本的情感所属类别做出判断。本文将分析中文微博本身具有的特征,在传统文本情感分类已有相关理论和方法上,对中文微博的情感分类进行研究。在中文微博文本的主客观分类研究中,论文提出一种基于词典与语料结合的中文微博主观句抽取方法,首先通过一个高可信的情感词典抽取句子中的情感表达文本,以保证结果的准确率；而后基于句子2-POSW模型通过语料学习的方法抽取句子中的剩余情感表达文本,从而提高了召回率。在中文微博文本的情感极性分类研究中,论文首先抽取出中文微博中的主观句部分,然后参考微博表情标注结果和高可信情感词典标注结果,构建了中文微博的情感极性语料库,在保证了语料库规模的同时确保了标注的质量,并减轻了人工标注的负担。在建立的微博情感极性语料库的基础上,抽取情感词和情感短语特征,并利用频度和信息熵进行优化,并结合情感词典特征以及标点符号特征,进行了中文微博情感极性分类的实验。实验结果表明,在中文微博的主客观分类中,相比于传统的基于大规模情感词典的方法,本文方法的F值提高了7%。在中文微博的情感极性分类中,本文提出的优化方法的F值可以达到81.9918%,取得了较好的实验结果。