多标签下的互联网短文本情绪分析研究

发布时间：2025-02-07 13:05

　　近些年来互联网技术的普及程度加深,在网络平台上发表自己对于热点事件的看法和观点成为人们表达自己见解的一个重要的渠道。为了更好地了解广大民众的想法,将社交网络中的海量文本资源作为分析对象对舆情进行监控和分析逐渐成为了研究者们的一个关注重心。目前针对短文本的情绪分析的研究很多依然停留在情感极性的层面,细粒度的情绪分析依然没有统一的标准,单标签分类结果往往无法全面的反应用户的真实情绪。因此,多标签下的社交网络短文本情绪分析是具有很重要的社会意义和价值的一项研究。本论文主要是基于推特的内容进行分析,研究从文字中识别用户的情绪并进行分析的方法。本文的主要工作内容及贡献如下:(1)目前多标签的互联网短文本情绪标注语料库比较匮乏,为更好的对多标签情绪分类算法进行研究,本文设计了一种面向推特文本的情绪标注规则,根据标注规则完成了推特语料库的标注工作。标注完成的语料包含6500条推特,11338条句子,其中推特层级为多标签标注。(2)针对人工标注语料库时间成本和人工成本过高的问题,提出了一种自动化短文本情绪标注的方法,通过机器完成对文本情感极性和情绪倾向的标注,并在其基础上通过人工方式进行修正,大大降低了...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２－６?ｋＮＮ算法康理示意图??

?篇二章文本情绪分析＿锁???若采用ＴＦ向量对文本进行表示，文本何量的分量实际上是特征项在对应文本??中出现的频次，即文本ｘ属于类别Ｃ的概率如式２－１４所示。??ＰｉＣ＾ｆｌＰｉａｊｌＣｆ＾＾??Ｐ（Ｑｘ）＝?＾??（２－１４）??観５麵??ｙ＝ｉ??Ｐ（ａ＼Ｃ）＝?１＋＾（ａｉ....

图３－１?Ｐｌｕｔｃｈｉｋ提出的檑緒轮??＿前针对文本的情绪分类体系存在着不统一的特点，英文方面应用比较广泛??的是Ｅｋｍａｎ提出的６大情绪分类体系，将情感分为高兴，悲伤，愤怒，恐惧，厌??

?第面向宜联网短文本肘自动情绪标注???＼?ｒｒｚ＼＜７??ｗ／Ｃ＾Ｓｒ￣－??＿?＾＿Ｖｖｌｇｌｌａｎｃｅ＼?ａｄｍｉ?ｒａｔｉｏ＾—??，ｉ：ｍ〇ＶＨｎｃｅ?ａｎｇｅｒ?＿?，ｖ）ｒ?，?ｔｅｒｒｏｒ?ｔｅａｒ?ａｐｐｒｅｈｅｎｓｉｏｎ??ｖ?；??，乂１八一十??＼?ｄｉｓ....

图４－１结合前后句与篇章特征的情绪分析算法流程??算法首先对训练样本中所有的句子进行统计，并由式４－４计算出情绪转移概??率，接着通过公式４－１０计算推特整体与句子之间的情绪转移概率；随后通过公式??

?第四＿参标盤叛文：本情緒分析方Ｉｆｅ的改进???ＰｉＷ＾ｍ?＝?Ｐｉｓ＾ｌ）＝?—（ｌ（，）Ｈ?＝?ｌ）?（４．１３）??ｃｏｕｎｔｒｙｓ（ｌ）?＝１）??结合这兰节的内容，前后句和篇章特征相结合的推特情绪分析方法可以通过??公式４－１４进行表示：??（／）?＝?ａｒｇ?ｍａｘ....

图４－２不同长度文本分类结果（ＦＩ值）??－

?电子科技太学硕士学位论文???＾■ａｍｏｕｎｔ■疆■?ＭＬｋＮＮ■鲁－Ｓ－ＭＬｋＮＮ■?Ｌ－ＭＬｋＮＮ??４５０???１??４００??????＝４?０９??３５０?０８??ｄｉ??１－２０?２１－４０?４１－６０?６１－８０?８１－１００?１０１－１２０?＞１２０??图４－２不....

本文编号：4030919