基于递归分开策略的情感分析模型研究.docxVIP

基于递归分开策略的情感分析模型研究 1 使用情感分析篇段 文本情感倾向的研究已成为自然界处理的一个难题之一。当今社会,网络中存在着大量具有主观性色彩的文本信息,例如博客、新闻等。这些主观性信息在电子商务、电子政务、民意分析上有巨大的应用价值。 文本情感分析一般包括词语、句子、篇章以及海量数据的情感分析。本文主要研究的是篇章情感分析。其不同于句子情感分析,篇章情感分析比较复杂:一般句子的情感较单一且只包含单个对象,而语篇情感较多样化且可能包含多个对象。目前,关于文本的情感分析方法大致可以分为两类: (1)使用情感词典以及与情感相关联的信息分析文本情感。从理论上说,使用词语和词语间的信息分析文本情感更为合理,并且正确率往往较高。但是,该方法容易丢失数据集中隐藏的部分重要模式,使得该方法的召回率较低。为了规避模式丢失现象,研究者们已提出很多方法。例如,Turney等人使用点对互信息(PMI)方法扩充基准的褒贬词汇表;Liu Hugo等在分析句子结构的基础上,使用一元修正模型(Modifer Unigram Model) 扩充情感词汇表。 (2)使用有监督的机器学习方法分析文本情感。这类方法的首要目标是将文本向量化,然后选择合适的算法。特征选取、特征加权以及分类算法都有相对较成熟的理论支持。该方法能有效发现文本中隐藏的模式,但是文本向量化的前提是特征之间的相互独立性,这使得以整体形式分析