

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯(lián)網技術的快速發(fā)展,博客、微博以及電子商務等新興社會媒體相繼出現,網絡用戶越來越傾向于在這些網絡平臺上交流信息、共享觀點。這類信息包含著用戶對各類產品、新聞事件、組織團體的態(tài)度看法,積聚在一起具有巨大的商業(yè)價值。海量的網絡評論數據迫切需要自動化的處理方式,情感分析作為一種自動化的評論分析方式應運而生,提出至今已得到了廣泛的研究,并在企業(yè)決策、輿情控制、信息預測等多個領域發(fā)揮作用。論文探究網絡用戶的情感傾向,重點對評論文本中情感信息
2、抽取、情感極性分類兩個方面進行了研究,最后設計并實現了一個網絡用戶情感傾向分析系統(tǒng)。
在情感信息抽取方面,論文提出了有效實現用戶詞典、領域相關情感詞、評價搭配三種情感信息抽取的方法。首先提出基于統(tǒng)計量的方法來構建用戶詞典,該詞典可在分詞過程中導入來提升分詞效果,也可用于情感詞典的構建;其次提出基于共現圖的方法解決情感詞極性的領域依賴問題;最后提出一種基于句法分析的算法,可有效抽取出文本中的評價搭配,其中包含基于圖的種子情感詞庫
3、的構建方法,該情感詞庫可用來識別未登錄情感詞的極性。
在情感分類方面,提出了 IG-BP分類算法,主要包含特征建模、特征篩選、情感分類三個過程,并利用產品和新聞兩類數據集對論文提出的算法進行實際測試,實驗結果顯示兩類數據集最優(yōu)模型準確率分別達到90%和87%。同時,論文還研究了新聞文本的主題聚類,目的是將同一主題的多源新聞文本聚合,以支持下一步對該主題的情感分類。針對此任務,論文提出了向量空間模型和概率主題模型兩種文本建模方式
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 網絡評論的情感傾向分析.pdf
- 基于產品特征的用戶評論情感傾向分析研究.pdf
- 網絡輿情中文信息情感傾向分析研究.pdf
- 面向情感傾向分析的微博表情情感詞典構建及應用.pdf
- 網絡輿情熱點事件的情感傾向分析與演變過程研究.pdf
- 情感Ontology構建及其網絡輿情文本傾向性分析.pdf
- 面向網絡評論信息的文本情感傾向性分析.pdf
- 中文句子情感傾向分析.pdf
- 基于主題模型的網絡評論情感傾向分析研究.pdf
- 煽動型與理智型網絡用戶認知、情感與態(tài)度特征:基于網絡文本的分析.pdf
- 基于情感詞典擴展技術的網絡輿情傾向性分析.pdf
- 突發(fā)事件網絡輿情的情感傾向及演化分析.pdf
- 基于EDT的中文網絡文本主題情感傾向性分析與研究.pdf
- 基于用戶情感和網絡關系分析的人格預測模型.pdf
- 針對網絡輿情的情感傾向性研究.pdf
- 企業(yè)輿情情感傾向分析研究.pdf
- 文本的情感傾向分析研究.pdf
- 文本情感傾向分類方法在評論有用性分析中的實現與應用.pdf
- 基于時序分析的移動用戶情感預測研究與應用.pdf
- 網絡信息的情感傾向分類技術研究.pdf
評論
0/150
提交評論