【摘要】：海量互聯(lián)網(wǎng)信息中蘊(yùn)含著巨大社會價值和商業(yè)價值。傳統(tǒng)的情感分析技術(shù)分析粒度大、準(zhǔn)確性不高,并不能滿足日益豐富的互聯(lián)網(wǎng)用戶需求。因此,如何采用一種細(xì)粒度情感分析技術(shù)使計(jì)算機(jī)能自動地對網(wǎng)絡(luò)信息進(jìn)行處理分析,給決策者提供更加詳盡的結(jié)論性信息,幫助企業(yè)了解用戶的消費(fèi)習(xí)慣,幫助用戶全面了解產(chǎn)品信息,逐漸成為了發(fā)展趨勢。目前,針對細(xì)粒度情感分析的研究對句法和語義信息的挖掘還不夠深入,因此,本文綜合情感關(guān)鍵句抽取、評價對象識別、話題相關(guān)的情感傾向性分析的研究基礎(chǔ),深度挖掘句法和語義層面的知識,針對互聯(lián)網(wǎng)語料,對細(xì)粒度情感分析進(jìn)行了深入的研究。主要研究內(nèi)容和創(chuàng)新點(diǎn)包括:1.針對情感關(guān)鍵句抽取工作,提出基于PMI的情感詞典擴(kuò)展算法、主題模型與詞圖模型相結(jié)合的關(guān)鍵詞抽取算法和依存模板提取算法,來分別獲取情感詞、關(guān)鍵詞和句法依存特征,融合詞匯語義和句法依存信息完成情感關(guān)鍵句的抽取工作。2.針對評價對象識別工作,提出一種融合詞性模板、依存結(jié)構(gòu)分析、語義角色標(biāo)注和短語結(jié)構(gòu)分析的領(lǐng)域詞典構(gòu)建方法PDSP,并采用Word Embedding方法對該詞典進(jìn)行擴(kuò)展之后,嵌入到序列標(biāo)注模型條件隨機(jī)場CRF中進(jìn)行評價對象識別。3.在話題相關(guān)的情感傾向性分析中,首先提出了一種融合局部和全局信息的LTIGT算法進(jìn)行關(guān)鍵詞特征提取;然后基于Word Embedding和依存關(guān)系提取話題相關(guān)情感詞,并對其進(jìn)行K-means聚類,獲取情感詞特征;最后將以上兩種特征,與傳統(tǒng)特征一起加入SVM進(jìn)行話題相關(guān)的情感傾向性判定,獲得每個話題所對應(yīng)的情感傾向,完成細(xì)粒度的情感分析。
[Abstract]:Mass Internet information contains huge social value and commercial value. The traditional emotion analysis technology has large granularity and low accuracy, so it can not meet the increasing demand of Internet users. Therefore, how to adopt a fine-grained emotion analysis technology to enable the computer to process and analyze the network information automatically, to provide decision makers with more detailed and conclusive information, and to help enterprises understand the consumer habits of users. Helping users to understand product information in an all-round way has gradually become a trend of development. At present, the research on fine-grained emotional analysis is not deep enough for the mining of syntactic and semantic information. Therefore, this paper synthesizes the research foundation of emotional key sentence extraction, evaluation object recognition, topic related emotional orientation analysis. Deep mining of syntactic and semantic knowledge and research on fine-grained affective analysis are carried out for the Internet corpus. The main research contents and innovations include: 1. Aiming at the extraction of emotional key sentences, this paper proposes an extension algorithm of emotion dictionary based on PMI, a keyword extraction algorithm combined with topic model and word graph model, and an algorithm of extracting dependency template to obtain emotional words, keywords and syntactic dependency features, respectively. Combining lexical semantic and syntactic dependency information to complete the extraction of affective key sentences. 2. This paper presents a domain dictionary construction method, PDSP, which combines part of speech template, dependency structure analysis, semantic role tagging and phrase structure analysis, and extends the dictionary by Word Embedding method. The evaluation object identification is carried out in conditional Random Field CRF embedded in sequence tagging model. 3. In the topic related affective orientation analysis, a LTIGT algorithm combining local and global information is proposed for keyword feature extraction, and then based on Word Embedding and dependency relation, the topic related affective words are extracted and clustered by K-means. Finally, the above two features are added to the SVM to determine the affective tendency of each topic, and the emotional tendency of each topic is obtained. Finally, the fine-grained emotional analysis is completed.
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫偉;李艷靈;周文勇;;細(xì)粒度基于傳遞功能的約束委托模型[J];信陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年03期

2 夏汛;陳玲;;基于攔截器的細(xì)粒度權(quán)限設(shè)計(jì)[J];福建電腦;2012年11期

3 歐陽純萍;陽小華;雷龍艷;徐強(qiáng);余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

4 史大偉;袁天偉;;一種粗細(xì)粒度結(jié)合的動態(tài)污點(diǎn)分析方法[J];計(jì)算機(jī)工程;2014年03期

5 原子;于莉莉;劉超;;引入缺陷的細(xì)粒度軟件變更識別方法[J];北京航空航天大學(xué)學(xué)報(bào);2014年09期

6 戢彥泓,郭常杰,鐘玉琢,孫立峰;基于細(xì)粒度可擴(kuò)展編碼的多源視頻流化方案[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

7 涂登彪;譚光明;孫凝暉;;無鎖同步的細(xì)粒度并行介度中心算法[J];軟件學(xué)報(bào);2011年05期

8 張宇軒;魏廷存;樊曉椏;張萌;;面向流體系的細(xì)粒度異步訪存調(diào)度[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

9 王寬;;基于細(xì)粒度調(diào)整的同步播放控制算法[J];山西電子技術(shù);2008年05期

10 華秀麗;徐凡;王中卿;李培峰;;細(xì)粒度科技論文摘要句子分類方法[J];計(jì)算機(jī)工程;2012年14期

相關(guān)會議論文 前5條

1 葉蘊(yùn)芳;楊榆;羅鑫;徐國愛;;Appfuse系統(tǒng)中細(xì)粒度權(quán)限控制的研究與實(shí)現(xiàn)[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

2 江偉玉;高能;劉澤藝;林雪燕;;一種云計(jì)算中的多重身份認(rèn)證與授權(quán)方案[A];第27次全國計(jì)算機(jī)安全學(xué)術(shù)交流會論文集[C];2012年

3 郭磊;唐玉華;周杰;董亞卓;;基于FPGA的Cholesky分解細(xì)粒度并行結(jié)構(gòu)與實(shí)現(xiàn)[A];2010年第16屆全國信息存儲技術(shù)大會（IST2010）論文集[C];2010年

4 李俊青;謝圣獻(xiàn);劉廣亮;陳晨;;P2P網(wǎng)絡(luò)基于蟻群優(yōu)化的動態(tài)細(xì)粒度訪問控制框架[A];2008年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2008年

5 盛振華;吳羽;江錦華;壽黎但;陳剛;;InfoSigs:一種面向WEB對象的細(xì)粒度聚類算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 趙曉濤;巡展中的三大熱門[N];網(wǎng)絡(luò)世界;2007年

2 樂天邋編譯;編織一張更好的Web[N];計(jì)算機(jī)世界;2007年

相關(guān)博士學(xué)位論文 前3條

1 時杰;關(guān)系數(shù)據(jù)庫細(xì)粒度訪問控制研究[D];華中科技大學(xué);2010年

2 朱倩;面向自由文本的細(xì)粒度關(guān)系抽取的關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2011年

3 余a\;基于Simulink模型的細(xì)粒度多線程技術(shù)研究[D];浙江大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 趙黎光;基于依存句法的句子級細(xì)粒度情感計(jì)算[D];華南理工大學(xué);2015年

2 李星宇;一種細(xì)粒度Cloud-RAN框架與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

3 酈麗珍;基于Open vSwitch虛擬網(wǎng)絡(luò)的細(xì)粒度訪問控制[D];復(fù)旦大學(xué);2013年

4 姚亮;數(shù)據(jù)訪問控制中基于中間代理的用戶撤銷方法[D];西安電子科技大學(xué);2014年

5 占文平;面向產(chǎn)品評論的情感分析技術(shù)研究[D];浙江工商大學(xué);2015年

6 樓弘;基于深度神經(jīng)網(wǎng)絡(luò)的傳感器覆蓋細(xì)粒度優(yōu)化研究[D];浙江工業(yè)大學(xué);2015年

7 蔡雅雅;基于半監(jiān)督集成剪枝算法的細(xì)粒度城市空氣質(zhì)量估計(jì)[D];浙江大學(xué);2016年

8 何東梅;細(xì)粒度物體分類算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

9 廖純;基于句法和語義的話題細(xì)粒度情感分析的研究[D];北京理工大學(xué);2016年

10 張s，

本文編號：2213716