基于情感词典的中文词语情感倾向性分析的中期报告.docxVIP

基于情感词典的中文词语情感倾向性分析的中期报告 一、问题描述 随着社交媒体的普及和信息化程度的深入，网络上的数据量越来越大，对于这些数据的分析和处理成为一个非常重要的问题。文本情感分析可以分析文本中所包含的情感信息，对于企业的市场调研和风险评估等具有重要的实际意义。 本项目旨在基于情感词典，对中文文本进行情感倾向性分析。 二、数据来源 本项目选取了Sina微博上的数据集合作为分析数据。该数据集包含了2014年9月6日至2014年9月11日的3,000篇微博，通过Python爬虫进行获取。因为数据集是有标签的，每条微博都有情感标签（积极、中立、消极）。 三、研究方法 本项目采用了基于情感词典的方法，对文本进行情感分析。情感词典是由一系列情感词及其情感极性组成的词汇表，其中情感词汇的情感极性通常分为积极、中性、消极三类。 在本项目中，我们使用了开源的情感词典NTUSD的正向和负向情感词库，以及基于哈工大的知网的情感词库。我们从三个情感词典中各自提取出积极情感词汇和消极情感词汇，用以作为情感极性的标志。 对于每条微博，我们首先对其中的汉字进行分词，然后对每个词语进行情感极性的判断。对于每个词语来说，如果它在情感词典中出现了，我们就可以得到它的情感极性值，并且我们可以得到该微博总情感得分。 现有情感词典对于“悲观”、“失落”等情感表达有所欠缺，为此我们从微博中挖掘出一些新的情感词。 四、进展情况 目前，我们已经完成了对数据集的初步的清理和预处理工作，并且基于三个情感词典分别进行了情感分类，并可视化分析了数据。同时，我们对情感词典进行了调整和补充，提高了分析模型的准确性。下一步，我们将继续优化模型并进行实验、模型调参。同时，我们还将持续挖掘数据中的新的情感词，以提升模型的可解释性和预测准确率。