中文短文本情感分类方法的研究与实现

《中文短文本情感分类方法的研究与实现》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、Ｈ！ｉＢＨＰ中围分类号：ＴＰ３９１龍：公开＾＾！ＵＤＣ；００４．４码：１００的ｆｌ＾＾ｐ皆＾ｆｔ為？＾净ＨＥＢＥＩＵＮＩＶ巨民ＳＩＴＹＯＦＳＣＩＥＮＣ巨ＡＮＤＴＥＣＨＮＯＬＯＧＹ＂＇‘＇，片．中文短文本情感分类方法的研究与实现论文作者：杨鹏飞指导教师：张冬委教授企业指导教师：了保忠髙级工程师申请学位类别：工程硕±学科、领域：计算机技术、所在单位：信息科学与工程学院答辩日期：２０１６年１２月—＇——－．＾河北科技大学学位论文原创性声明本人郑重声明：所呈交的

2、学位论文，是本人在导师的指导下，姬立进行研究工作所取得的成果。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品或成果。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名；指导教师签名：＾＂Ｐ日年八月２乂年／么月１口日《河北科技大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权河化科技大学可Ｗ将本学位论文的全部或

3、部分内容编入有关数据库进行检索，可１＾采用影印、缩印或扫描等复制手段保存和汇编本学位论文。□保密，在＿年解密后适用本授权书。本学位论文属于保密＂＂。（请在上方框内打Ｖ）一学位论文作者签名指导教师签名；報巧屋年／心月］／ｔ？日年ｆ＾＾月以日ClassifiedIndex：TP391SecrecyRate：PublicizedUDC：004.4UniversityCode：10082HebeiUniversityofScienceandTechnologyDissertationfortheMasterDegreeResearchand

4、ImplementationofChineseShortTextSentimentClassificationMethodCandidate：YangPengfeiSupervisor:ProfZhangDongwenEnterpriseSupervisor：SeniorEngineerDingBaozhongAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：ComputerTechnologyEmployer：SchoolofInformationScience&EngineeringDateofOralExa

5、mination:December,2016摘要摘要随着当前的互联网产业飞速发展，各种网络应用如微博、电子商务、论坛、博客应运而生。伴随着这些应用而来的是海量的网络文本数据。这些数据中所蕴含的观点信息不仅对网络应用有丰富的价值，而且对用户来说也是很重要的。为了从海量文本数据中提取出有效的观点信息，情感分类这个研究领域应运而生。本文使用有监督的机器学习方法，对中文短文本进行情感分类方法进行了研究和实现。基于机器学习方法本文使用了三种开源的工具，分别用于训练词向量，挖掘词语之间的浅层语义；提取语句结构特征中的核心词位置；进行情感分类和情感极性预测。本文的主要研究内容如下：1

6、)为了更近一步的提高分类的准确性，利用word2vec这一词向量工具，将海量文本数据转化为高维度空间中的向量值，通过向量之间的余弦值，获取词语之间语义的相近程度。通过实验可以验证，这种方法可以很好地提取出近义相似特征，将近义相似特征扩充到情感特征词典后，为后续的情感特征提取提供支持。2)给出了基于句式结构的情感分类方法。通过分析网络文本中的的正负情感语句，可以发现语句都是有一定结构特征的。在句式结构一定的情况下，配合相应的情感词，就可以确定短文本的情感类型。本文使用情感特征词库以及特定的句式结构词作为情感特征，将情感特征输入到libsvm做分类。通过实验可以验证，这种方

7、法有着很好的分类效果。3)基于语义的情感分类，本文使用两种方式来进行。一种是进行回归预测，也就是进行情感极性值预测。另一种是进行情感二分类，在进行分类之前使用PCA方法对情感特征进行了降维处理。通过实验可发现，本文基于语义方法的情感分类有着很好的效果。4)利用基于语义情感分类方法，对微博语料进行情感分类，将分析结果应用到舆情分析领域，开发实现了微博舆情分析系统。关键词情感极性预测；情感分类；word2vec；CRFs；Libsvm；特征降维；句式结构特征IAbstractAbstractWiththefast-growingdevelop