基于机器学习的情绪分析研究(2).pdf资源-CSDN文库

版权申诉

185 浏览量 2022-06-23 23:44:38 上传评论收藏 1.14MB PDF 举报

资源推荐

资源详情

资源评论

基于机器学习的情绪分析研究

——智能模型设计和实现

摘要

互联网技术的迅速发展使得社交平台逐渐成为热点事件中社会情感的枢纽。社会热

点事件的舆论监管的其中一个重要环节就是能够准确分析民众的社会情绪。本文旨在探

索可以基于文本大数据彻底分析民众对热点事件的社会情绪的模型和方法。先是从社交

平台上借助文本大数据、对数据进行提前处理以及用 python 自然语言处理包等方法建

立能够分析社会情绪的模型，其次找到最佳的机器学习算法，再次用机器学习的方法对

模型进行训练，获得一个情感分类器。最后用热点事件“冠状病毒”的真实数据在情感

分类器上进行社会情绪分析验证,证明了模型和方法的有效性。

关键词：网络文本大数据；机器学习；情绪分类器；社会情绪分析；

1 前言：

1.1 设计目的及意义

近来，社交媒体和电子商务平台发展迅速,Twitter、微博、MSN、微信等社交网络正

逐渐地改变着人们的生活,越来越多的人习惯于通过网络平台表达自己的态度和情感,这

些网络文本是客户流露的真实情感。对网络文本大数据热门事件的情绪进行分析可以使

人们获得更多关于内心世界的知识，因此 ,从这些文本信息中自动准确的识别客户的情

感类别,对政府舆情监控、企业管理与决策来说是一个很大的支持,它也成为学术界近来

持续关注的研究热点，同时极大地促进了情绪分析技术的发展。

1.2 本课题国内外现状及存在问题

文本情感分析也可以说是挖掘文本意见的方法。简而言之，它是分析，处理，总结

和推断具有情感色彩的主观文本的过程 [1]。目前海内外关于文本情绪分析研究的方向

主要有两个：一个是判断主观信息的细粒度，另一个是判断文本的主客观性。前者强调

将情感词作为中心去分析文本级的情绪倾向，而文本的情绪倾向是通过贬值情感词的线

性加权值来实现的。熊德兰等人[2]基于 How Net 语义词典中词汇语义相似度的计算方

法。意在基于语义词典，充分想到词语组成在一起之后语义可能改变，直接影响到情感

褒贬判断的偏向结果，于是用各个词语义进行权重计算结果来判断从而避免受影响。该

方式基于语义词集，能很精确地预测情感倾向，但缺点是操作起来复杂且在很大程度上

取决于词汇层次分类算法的精确度。则此方法显然对大量的文本数据处理是不合适。为

了处理大量数据，研究人员介绍了用于情感分析的机器学习方法，例如 K 最近邻，最大

熵模型，朴素贝叶斯和支持向量机（SVM）方法[3]。

虽然以语义词集为基础的语义加权分类效果比机器学习方法较好，但胜在后者能够

更轻易地去分析处理大量的文本数据。例如徐军等人[4]利用机器学习方法对新闻评论

进行情感分类，在最理想的数据集上分类准确率可以达到 90%，然而这种方法缺乏语义

分析，容易产生向量空间模型数据稀疏问题，对于中文文本处理中普遍存在的一词多义

和多词一义问题也不能解决。闻彬等人[5]在情感词识别中引人情感语义概念，基于语

义理解来进行文本情感分类，可在一定程度上缓解一词多义和多词一义引起的分类准确

率不高的问题，它的不足之处在于只考虑到词语语义层副词的出现规律对词语语义的作

用，忽略了整个文本语境对词语语义的影响。一些研究者[6]通过已有文本规则，充分

考虑用文本的语法结构去预测文本情绪倾向。但是不得不说该方式的实用性差、工艺复

杂且难以推广。也有部分研究者尝试借助非标注样本不断训练分类器的方法来提高半监

督学习方法的情感分类准确率，实验证明该方法是有效的[7]。还有谢丽星等[8]提出了

剩余16页未读，继续阅读

内容反馈

版权申诉

xxpr_ybgg

粉丝: 6501
资源: 3万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip