172_面向微博的社会情绪词典构建及情绪分析方法研究.pdfVIP

面向微博的社会情绪词典构建及情绪分析方法研究 1 1 1 2 蒋盛益 ，黄卫坚 ，蔡茂丽 ，王连喜 （1.广东外语外贸大学 信息学院，广东 广州 510006 ； 2. 广东外语外贸大学 图书馆，广东 广州 510420 ） 摘要：本文旨在探索一种面向微博的社会情绪词典构建方法，并将其应用于社会公共事件的情绪分析中。 首先通过手工方法建立小规模的基准情绪词典，然后利用深度学习工具word2vec 对社会热点事件的微博 语料通过增量式学习方法来扩展基准词典，并结合 Hownet 词典匹配和人工筛选生成最终的情绪词典。接 下来，分别利用基于情绪词典和基于 SVM 的情绪方法对实验标注语料进行情绪分析，结果对比分析表明 基于词典的情绪分析方法优于基于SVM 的情绪分析方法，前者的平均准确率和召回率比后者分别高13.9% 和1.5%。最后运用所构建的情绪词典对热点公共事件进行情绪分析，实验结果表明本文方法是有效的。 关键词：微博；社会情绪；词典；情绪分析 中图分类号：TP391 文献标识码：A Building Social Emotional Lexicons for Emotional Analysis on Microblogging 1 1 1 2 Jiang Shengyi , Huang Weijian , Cai Maoli , Wang Lianxi (1.School of Informatics, Guangdong University of Foreign Studies, Guangzhou, 510006; 2. Library, Guangdong University of Foreign Studies, Guangzhou, 510420) Abstract: This paper aims to explore a kind of method to build social emotional lexicons for Microblogging and apply it to analyze social emotions in social public events. First, the small-scale standard emotional lexicons are combined to build the basic emotional lexicon by hand. Then, word2vec, a tool based on deep learning, is used to conduct incremental learning method on the corpus from social events on microblogging increasingly to extend the basic emotional lexicon; and the ultimate emotional lexicon is generated via the filtering of HowNet and manual labor. Further, the paper compares the results of emotional analysis based on the generated emotional lexicon with that based on SVM classification, indicating that the former is superior in both average preci