论文部分内容阅读
微博作为一种重要的沟通工具,已经被应用到社会的各个方面,许多明星也都开设了微博与自己的粉丝沟通,人气高的明星拥有庞大的粉丝群,因而在其微博评论中产生了海量的信息,这些信息基本以文字的形式呈现,对微博评论中隐藏的情感信息进行高效挖掘是非常有价值有意义的。目前,针对社交媒体用户评论情感的研究非常多,取得的成果也很丰富,但是绝大多数学者的研究都局限于用户评论本身,没有结合评论所针对的内容,本文结合评论所针对的内容进行微博评论的情感分析,验证了明星微博发文的情感倾向对微博评论情感倾向的影响,主要做了以下工作:首先,对样本分词、标注词性,提取一部分词性的词人工地建立了适合明星微博评论分析的基础情感词典、程度副词词典、否定词词典,其中基础情感词典包含1852个积极情感词和1499个消极情感词,程度副词词典包含259个词,否定词词典包含125个词。此外还设计了一套微博评论情感打分规则:从第一条评论的第一个词开始,如果出现一个积极(消极)情感词且这个积极(消极)情感词的前一个词既不是程度副词也不是否定词,就给这条评论加(减)一分;如果出现一个积极(消极)情感词且这个积极(消极)情感词的前一个词为程度副词,就给这条评论加上(减去)程度副词的取值;如果出现一个积极(消极)情感词且这个积极(消极)情感词的前一个词为否定词,否定词的前一个词不是程度副词,就给这条评论减(加)一分;如果出现一个积极(消极)情感词且这个积极(消极)情感词的前一个词为否定词,否定词的前一个词是程度副词,就给这条评论减去(加上)程度副词的取值。基于词典和打分规则对样本进行情感打分,并且通过计算召回率、正确率和F-测度值验证了通过该方法得到的情感打分的有效性。然后,以基于词典的方法得到的微博情感分类结果作为监督项,代替人工标注,以基础情感词为特征建立一个的特征矩阵,矩阵中的元素表示第m个样本中第n个特征出现的次数,也就是第n个情感词在第m个样本中出现的频数。利用统计量对特征矩阵降维,分别计算特征对于每个类别的CHI值,然后选取最大的CHI值作为的最终CHI值,选取最终CHI值排在前1000的特征,利用决策树方法对样本进行分类,计算召回率、正确率和F-测度值。最后,对博主发文进行人工打分,以基于词典的方法得到的微博情感分类结果作为监督项,以博主发文情感得分和最终CHI值前1000的基础情感词为特征建立特征矩阵,利用决策树方法对其进行分类,计算召回率、正确率和F-测度值。比较实验结果,发现加入博主发文得分这一特征之后,分类器的性能有明显提升,说明博主发文的情感倾向对微博评论的情感倾向是有一定影响的。