基于文本和社交语境的微博数据情感分类.pdfVIP

ISSN 1000—0054 清华大学学报 (自然科学版) 2014年 第 54卷 第 1O期 19／21 订 丽 JTsinghuaUniv(Sci8LTechno1)，2014，Vo1．54，No．1o 1373—1376，1383 基于文本和社交语境的微博数据情感分类 吴方照 ， 王丙坤 ， 黄永峰 (清华大学 电子工程系，北京 100084) 摘 要：微博数据的情感分析具有重要的应用价值和研究 些蕴含丰富观点的微博数据进行情感分类具有很高 价值，是网络文本挖掘领域的研究热点。微博消息非常短而 的应用价值 ，因此是 目前网络文本挖掘的一个热点 且稀疏，同时包含大量的不规则词语，噪声很强，给传统的情 方 向[I-4]。然而，微博数据 的情感分析要 比传 统 的 感分析方法带来 了很大的挑 战。受社会科学 的相关理论 的 情感分析面临更多的挑战。首先 ，微博数据是很短 启发，该文尝试利用微博消息的社交语境来帮助解决情感分 并且非常稀疏的，通常只包含一两个句子 ，甚至只有 析所面临的稀疏性强和噪声大的困难。由于文本 向量 的维 几个词 ，因此无法包含足够的信 息来进行情感统计 度很高，而具有情感倾 向的词只 占其 中较少 的一部分，因此 和判断 ]。其次 ，微博消息中包含 了大量 的不规则 将Lasso方法加进 LR(1ogisticregression)模型中以提高模 词和缩写词，如 “普大喜奔”等 ，计算机很难 自动地识 型的鲁棒性。在真实的英文Twitter数据集上的实验结果 表明，加入社交语境和模型的稀疏约束能够有效提高微博数 别这些不规则词并区分其情感 。 据情感分类的准确率。 微博数据处于社交网络 中，包含丰富的社交语 关键词 ：情感分类 ；微博 ；凸优化 ；L1正则 境。因此微博消息问存在一些 内在的情感联系口]。 例如 ，有些微博消息是 同一个用户所发表的并且谈 中图分类号 ：TP391．1 文献标志码 ：A 论相同的话题 ，那么这些消息间往往具有类似的情 文章编号 ：1000—0054(2014)10—1373-04 感倾 向。社交网络的好友间对于特定的话题也往往 观点一致 。许多研究人员发现，一些社会科学的理 M icroblogsentimentclassificationusing 论 ，如情感一致 性 (sentimentconsistency)¨6]、社 交 both textandsocialcontext 趋同性 (homophily) 等也存在于在线社交网络中， W UFangzhao，WANG Bingkun，HUANG Yongfeng 并且文E5-1证明利用这些社会学理论对于社交网络 (DepartmentofElectro