论文部分内容阅读
近年来,国内的各个门户网站不断探索和深化微博应用,使其汇集了大量的舆论信息,这些舆论信息包含了大量的情感信息。在微博等社交平台上进行文本挖掘,不仅可以分析博文的情感倾向,同时也可以根据用户的语言风格和用户注册的性别、年龄、地域、学历背景等信息来为用户构建相应的用户剖像。而在用户剖像的范畴中,个性分析是非常重要也是比较困难的问题。正确识别微博用户发表的博文情感倾向有助于政府收集民意,有利于商家调整营销策略,同时,用户画像在优化用户体验上、提高经济效益上都有举足轻重的作用。此外,情感分析和用户剖像属于语言学、计算机科学、心理学等交叉研究领域的重要研究课题。探究微博蕴含的情感倾向信息和构建合理的用户剖像具有重要的学术与应用价值。本文主要研究工作如下:1)提出一种基于LSTM(长短时记忆网络模型)的短文本情感极性分类方法,通过实验选取性能较好的文本特征化方法,并确定合适的隐藏层层数和各层神经元个数。然后通过大量的微博数据对此模型进行训练,最终把此模型的性能和支持向量机、贝叶斯网络等其他机器学习算法做比较。2)提出一种基于KNN算法的用户个性分类方法,首先以流行的心理学模型和个性分析知识库为基础,构建个性打分模型对用户的个性进行打分。然后选取合适的分数阈值为用户的个性分类,最终把分好类的用户文本数据作为KNN分类器的训练集,并通过实验找到使KNN分类器性能最佳的K值。3)在用户剖像方面,首先提出一种基于模型融合的用户性别预测方法,其次依据短文本情感分类器的预测类别概率量化短文本的情感值,并以用户为单位计算其情感波动程度。最终以皮尔逊相关度为代表,合理的分析用户的情感、个性以及用户属性之间的关系。在情感分析部分,基于LSTM情感分类器的平均F值可达到91.1%,在个性预测部分,基于KNN的个性分类器的平均F值可达到90.0%,在用户剖像构建部分,本文可以合理的计算出用户的情感波动、个性、性别、时间等因素之间的关系。所以,本文提出的方法具有一定的可行性。最后,对本文中存在的问题及下一步的科研工作进行了说明。