基于web文本挖掘的情感分析研究

《基于web文本挖掘的情感分析研究》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、密级桂林电子科技大学硕士学位论文题目基于Web文本挖掘的情感分析研究（英文）ResearchonSentimentAnalysisbasedonWebTextMining研究生姓名:夏彬彬指导教师姓名、职务:蔡国永（教授）申请学科门类:工学硕士学科、专业:软件工程提交论文日期:2016年4月论文答辩日期:2016年6月独创性（或创新性）声明本人声明所呈交的论文是我个人在导师指导下进行的研巧工作及取得中特别加＾标注和致谢中所罗列的内容１＾外，论的研巧成果。尽我所知，除了文文中不包含其他人己经发表或撰写过的研究

2、成果；也不包含为获得桂林电子科技料一大学或其它教育机构的学位或证书而使用过的材。与我同工作的同志对本研巧所做的任何贡献均已在论文中做了明确的说明并表示了谢意。一有不实之处切相关责任。申请学位论文与资料若，本人承担７１占；〇目本人签名：言辦巧ｉ曰期畔Ｗ关于论文使用授权的说明定，艮：本人完全了解桂林电子科技大学有关保留和使用学位论文的规Ｐ研巧生在校攻读学位期间论文工作的知识产权单位属桂林电子科技大学。本人保位仍然为桂林电子科技大证毕业离校后，发表论文或使用论文工作成果时署名单学。学校有

3、权保留送交论文的复印件，允许查阅和借阅论文；学校可Ｗ公布论文。保密可Ｗ允许采用影印、缩印或其它复制手段保存论文（的全部或部分内容，的论文在解密后遵守此规定）本学位论文属于保密在。年解密后适用本授权书：ｗｉ本人签名：夏締辦日期ｉ斗日一导师签名：摘要摘要随着社交网络的飞速发展，新浪微博、豆瓣等社交网站、社区网站成为人们发表观点和分享经历的重要平台和途径。人们在社交网络发布的大量消息中含有丰富的主观情感信息，这些主观情感信息往往蕴含用户对事物、现象所持有的情绪状态、态度看法，因此挖掘社交网络数据的

4、用户主观情感可以更好地理解用户行为和预测市场趋势，即用户观点的挖掘具有极其重要的学术研究价值和实际应用价值。传统的情感分析研究大多关注于文本，因为主观文本信息中通常含有表达情感的词语，通过分析情感词语即可明显地揭露用户情感。然而，图像、音频、视频等非文本数据往往也含有丰富的情感信息，但表达情感的方式与文本不同。随着社交网络上不同类型的多媒体内容日益增多，各种类型的用户数据的情感分析受到广泛的关注和研究。本文关注社交网络中多媒体内容的文本数据和图像数据的情感分析，旨在利用多媒体内容的文本、图像数据之间的相互联系分析用户情

5、感（积极或消极，支持或反对）。主观文本数据和图像数据均含有情感信息，且两者的情感信息之间共享同一语义空间（即两者在语义层面是相互联系的），也就是说文本、图像情感之间具有互相补充作用。本文的主要研究内容如下：（1）针对单一文本或图像的情感不明显问题，提出一种基于卷积神经网络的图文融合媒体情感分类模型。该模型分别将词语、短语和句子三个级别的文本特征与图像低维特征进行融合，进而可得到三个语义级别的情感分类效果。在此基础上，考虑利用集成分类器将上述三者的情感分类效果合并为一个分类器的分类结果。模型不仅挖掘文本情感特征和图像情感

6、特征之间的内部联系，而且利用不同级别的融合特征增强图文融合媒体的情感分类效果。（2）针对图像情感分类领域中存在训练数据不足和数据存在冗余、噪声问题，提出一种基于联合矩阵分解的图像情感分类模型。该模型将在参考领域的图像及其情感标签数据上学得的知识（模型参数）迁移到目标领域的图像数据，利用模型参数对图像进行重构，重构的图像有效地去除了原数据中的噪声，因此其特征具有更强的情感分类能力。针对以上两方面的研究工作，本文均通过分析和实验，验证了上述模型的有效性。关键字：社交网络；情感分析；多媒体内容；卷积神经网络；联合矩阵分解IA

7、bstractAbstractWiththeextremelyrapiddevelopmentofsocialnetworks,socialnetworksitesorcommunitysites,suchasSinamicroblogandDouban,havealreadybeenimportantplatformandpathwayforreleasingopinionsandexpressingemotions.Ingeneralalargenumberofmessagespublishedonsocialne

8、tworkscontainsenrichsubjectiveinformation,mostofwhichareemotionsoropinionsthatusersexpressedforsubstancesorphenomena,inconsequenceminingusers’emotionsfromsocialnetwor