在线新闻网民评论情感倾向性分析及可视化研究.pdf

《在线新闻网民评论情感倾向性分析及可视化研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文在线新闻网民评论情感倾向性分析及可视化研究SENTIMENTANALYSISANDVISUALIZATIONRESEARCHOFONLINENEWSUSERS’COMMENTS刘超然哈尔滨工业大学2018年6月国内图书分类号：TP37学校代码：10213国际图书分类号：004.92密级：公开工学硕士学位论文在线新闻网民评论情感倾向性分析及可视化研究硕士研究生：刘超然导师：薛永增讲师申请学位：工学硕士学科：设计学所在单位：机电工程学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学Classifi

2、edIndex:TP37U.D.C:004.92DissertationfortheMasterDegreeinEigineeringSENTIMENTANALYSISANDVISUALIZATIONRESEARCHOFONLINENEWSUSERS’COMMENTSCandidate：LiuChaoranSupervisor：Lector.XueYongzengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：DesignologyAffiliati

3、on：SchoolofMechatronicsEngineeringDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着互联网的普及，在线新闻已经成为人们重要的信息来源，也有越来越多的互联网网民在互联网上发表着自己的观点。对于互联网在线新闻的评论已经成为网民表达自己对新闻热点事件看法的主要途径。但是因为每个人自身背景的不同，每个人的观点也不会相同，一些人在新闻评论里甚

4、至会发表一些极端言论，造成非常不好的社会影响。鉴于以上情况，本文提供了一种对互联网上新闻评论进行情感倾向性分析并进行可视化呈现的一种方案，可以帮助人们快速了解到一个新闻其网络评论的主要情感倾向。首先，对已有研究进行了总结、归纳和整理，抓取了一个月内互联网热门新闻的网络评论构建了语料库，基于该语料进行了情感倾向性分析实验，对实验结果进行了分析，提出现有情感词典在在线新闻网民评论中匹配度较差的问题，基于此构建了涵盖较大规模网络流行用语匹配度更好的情感词典。，并基于情感词典的情感倾向性分析方法加以改进，提高了准确性。

5、其次，基于上述情感倾向性分析数据进行了在线新闻评论的情感倾向性可视化设计，分别从地域、时间和情感倾向性三个维度进行了设计，针对不同地域人群分别作出了数据统计，根据时间线对复杂的在线新闻评论数据进行可视化。在可视化设计中，综合考虑了界面设计和用户体验设计，完成了面向情感倾向性可视化的交互设计。该设计能够让用户更加方便地进行操作，给用户充分的自主性，并以数据地图、时间线等多种方式呈现，符合用户信息获取习惯，可以使用户对特定时间段内的评论情感倾向把控更好。最后，本文通过可用性评估信息行为法对可视化设计系统进行了可用性

6、评估实验，通过对比实验的方法对用户的认知效率进行了测试。实验分析表明本文所设计的系统具有非常好的可用性，能够大幅提高用户的认知效率。对实验分析中发现的问题进行了进一步的改进，对改进后的可视化设计系统进行了应用价值分析。综上，本文主要工作在于对互联网上在线新闻网民评论做出情感倾向性分析并将其可视化出来，其中，主要通过构建情感词典、程度副词和否定词集利用规则进行情感倾向性分析。可视化主要是通过多个维度来对情感倾向性分析数据进行可视化设计和交互设计。是对于在线新闻网民评论进行可视化呈现的一次新的尝试。关键词：新闻评论

7、；情感倾向性分析；可视化；交互设计-I-哈尔滨工业大学工学硕士学位论文AbstractWiththepopularityoftheInternet,onlinenewshasbecomeanimportantsourceofinformation,andmoreandmoreInternetusershavepublishedtheirownviewsontheInternet.CommentsonInternetnewsonlinehavebecomethemainwayfornetizenstoexpres

8、stheirviewsonnewshotspots.Butbecauseeachperson'sownbackgroundisdifferent,everyone'sopinionwillnotbethesame.Somepeopleevenmakesomeextremecommentsinthenewsreviews,causingverybadsocialimpact.Inview