结合话题相关性的热点话题情感倾向研究-ChinaXiv.PDFVIP

研究论文 结合话题相关性的热点话题情感倾向研究* 何 跃 肖 敏 张 月 (四川大学商学院 成都 610064) 摘要: 【目的 】热点话题具有很大的影响力,针对热点话题及其情感对象的情感倾向进行相关研究。【方法 】提出 一个结合话题相关性的主客观分类模型, 帮助抽取与热点话题相关的主观微博; 利用基于机器学习改进的情感 分类方法对抽取博文的情感极性进行分析; 通过召回率、准确率、F 值对情感分类效果进行详细评估。【结果 】 实证分析结果表明, 结合话题相关性有效提升了热点话题微博主客观分类和情感极性分类效果, 其中 F 值分别 提升7.4%和2.2% 。【局限 】待需深入考虑数据的分布状态、情感分类粒度细化、情感对象的情感趋势变化等。 【结论 】考虑话题相关性, 提升微博情感分类的效果, 并通过抽取热点话题中关键情感对象的情感倾向, 为微博 1 v 精准营销提供相关情报信息。 2 关键词: 热点话题 主客观分类 情感倾向分类 TF-IDF-SIM 机器学习 5 9 分类号: G350 1 0 . 1 1 引 言 研究逐步增加, 针对微博情感倾向分析的文章也日益 1 增多, 现有文献所用到的方法可以分为两大类: 基于 7 随着网络技术的发展, 互联网早已成为信息传播 情感词典和基于机器学习的方法[1] 。 1 的一个重要载体, 微博、博客等社交网络凭借其丰富 0 (1) 基于情感词典的方法通常是利用词典中词语 2 服务内容和便捷操作特色迅速融入人们的生活。尤其 : 的情感极性和强度, 对给定文本进行加权从而得到整 v 是Web2.0 的出现, 微博成为这个时代具有强大影响力 个文本的情感倾向, 目前常见的中文情感词典有 i 的产品, 它实现了信息的快速传播与交流, 对整个社 X HowNet 、NTUSD 情感词典、学生褒贬义词典和 a 会的政治、文化、经济各个方面也产生了重大影响, 越 Tsinghua 褒贬义词典等。基于情感词典的方法不需要 n 来越多的企业、商家、名人通过微博扩大知名度、提 i 训练数据且可以应用于很多领域, 但是它在微博情感 h 升公众形象。其中热点话题具有极大的影响力, 不仅 c 影响着虚拟网络社会中各种事件的形成与发展, 同时 分析中仍有以下缺陷: [2] ①情感词典的获取成本及更新成本较大, 桂斌等 基于 也影响着真实人类社会中人们对于事件的看法和判 微博表情符号提出一种自动构建情感词典的方法, 但这种 断, 甚至于影响着政府与司法机构对事件的判决。所 方法只能应用于对微博情感分析要求不是特别高的场合; 以面对微博中海量的文本数据, 快而准地抓住热点及 [3] Bravo-Marquez 等 提出以监督的方式从表情符号自动标注 焦点, 提取并分析用户的观点和情感信息, 对企业和 的 Twitter 和已有词典来扩大词典, 其中使用