基于半监督学习的微博情感分析方法研究

【摘要】微博的快速发展使其平台积累了大量的文本，其中蕴含着大量的有价值的信息，包括商业信息、社交网络和用户观点与情感等。微博的短文本特征使其文本分析具有一定挑战性，并且中文文本固有的特征使得文本分析性能下降。针对上述特征，本文应用半监督学习对微博文本进行情感分类：结合语言资源和标注集合对文本情感分类器进行训练和优化。情感分类包括两个任务：识别情感的极性，如正性、负性；识别情感类别：如高兴、愤怒。本文主要工作如下：1）微博信息抽取。应用微博运营商提供的API，对微博信息进行采集，以热门话题和认证用户为入口，采集话题相关的微博和用户微博及其评论文本。2）半监督学习。结合已有的标注集，运用主动学习标注微博文本的情感极性和类别，以减少标注成本。应用标注数据集于监督学习中，包括最大熵、神经网络和支持向量机模型，对不同监督学习模型进行优化，分析其误差和学习曲线。3）特征抽取。使用已有语言资源和开源软件，如情感词汇本体和同义词词林进行特征抽取，基本特征包括文本所固有的词项、词性和词林编码等。此外，鉴于文本特征空间维度较大，采用PCA对特征空间进行降维。在模型优化过程中，对比了不同特征空间组合和模型的准确度。部分的特征抽取过程，如自然语言处理、以及微博信息处理运行在分布式计算框架上，以提高算法的运行效率。情感极性分析的准确率达到0.7，具有一定的应用价值。而多类别情感分析准确度相对较低，为0.34：由于标注语料不充分和文本情感表达的复杂性，频率较高的类别，如喜欢、厌恶，分类效果较好，而惊奇、恐惧等分类效果不佳。情感分析结果可作用于舆情监测、市场调研和社会计算等方面，具有一定的商业价值。在其分析的基础上，可结合在线网络的结构和时序进行信息传播和受众分析，获得用户的行为模式和规律。结合用户特征，可进一步获得用户在发布信息等行为时的真实情感与心理状态，称之为情感计算，也是情感分析的最终目的。
【作者】朱晓光；
【导师】聂培尧；林培光；
【作者基本信息】山东财经大学，计算机应用技术，2014，硕士
【关键词】微博；情感分析；机器学习；分布式计算；语料库标注；

【参考文献】
[1]钱若昀.跨文化语境下的冲突性话语研究[D].苏州大学,外国语言学及应用语言学,2013,硕士.
[2]刘雪慧.我国国有企业并购绩效影响因素分析[D].山东财经大学,会计学,2013,硕士.
[3]杨文绮.我国高校知识共享情况调查——以武汉大学硕士研究生为例[J].信息资源管理学报,2015,01:90-97.
[4]曹悌.民间借贷法律规制研究[D].云南财经大学,法律（专业学位）,2014,硕士.
[5]闫佳佳.毛细管平面空调系统换热过程的强化研究[D].山东建筑大学,建筑与土木工程（专业学位）,2013,硕士.
[6]李军.醇酸丙烯酸杂化乳液的制备及其性能的研究[D].兰州理工大学,化学工艺,2013,硕士.
[7]马超.从纪录片《归途列车》看中国题材纪录片的国际化[D].兰州大学,新闻与传播（专业学位）,2013,硕士.
[8]王永锋.中国企业多元化经营的理论与实证研究[D].对外经济贸易大学,国际企业管理,2004,硕士.
[9]孙广路.基于统计学习的中文组块分析技术研究[D].哈尔滨工业大学,2008.
[10]袁丹.双金属带锯条切削仿真研究及其结构优化[D].湖南大学,车辆工程,2012,硕士.
[11]汪洋.基于嵌入式系统的手持式相位噪声测量平台的的研究与实现[D].西安电子科技大学,测试计量技术及仪器,2012,硕士.
[12]李盈凯.IκBα-M基因诱导舌鳞癌Tca-8113凋亡的相关研究[D].山东大学,口腔颌面外科,2011,硕士.
[13]王丕总,李晓慧.开发《YGYS》软件所使用的方法[J].油田地面工程.1993(01)
[14]邓治雪.人物叙述的功能与伦理—《水泥花园》的修辞叙事学解读[D].浙江工商大学,英语语言文学,2014,硕士.
[15]潘雪新.AZ80镁合金多层壳体零件反挤压成形工艺研究[D].沈阳理工大学,材料加工工程,2013,硕士.
[16]王洁.凝溶胶蛋白在急性放射性肺损伤中的作用及其机制研究[D].苏州大学,放射医学,2014,硕士.
[17]任玉萍.In掺杂ZnO纳米晶的可控合成与表征[D].浙江大学,材料科学与工程,2013,硕士.
[18]王宏元.预处理对纯钛表面微弧氧化膜物相结构与性能的影响[D].山东大学,材料学,2014,博士.
[19]张世武,吴月华,杨杰,刘际明.基于信息寻觅智能体的网络用户浏览模式研究[J].计算机研究与发展,2004,11:1966-1973.
[20]李瑞平.坡地水平截流沟土壤水分运动的数值模拟与试验研究[D].内蒙古农业大学,农业水土工程,2004,硕士.
[21]国艳.乌兰毛都苏木音乐生活变迁的调查与研究[D].内蒙古大学,音乐学,2014,硕士.
[22]孙肇鹏.柔顺双稳态机构的动力学研究[D].中国矿业大学,机械设计及理论,2014,硕士.
[23]杨树伟.雷公藤内脂醇作用于前列腺癌PC3细胞的实验研究[D].宁波大学,外科学,2013,硕士.
[24]薛飞.跌落冲击测试系统设计与EPE缓冲隔振性能研究[D].太原科技大学,机械电子工程,2014,硕士.
[25]赵晨曦.DNA甲基化相关的lncRNAs在原发性肝癌发生过程中的功能及机制研究[D].第二军医大学,遗传学,2013,硕士.
[26]方华.螺旋CT增强扫描与Dyna-CT对原发性肝癌小病灶的诊断价值比较[D].吉林大学,临床医学,2013,硕士.
[27]葛文璇.城市道路和城市环境关系的研究[D].南京林业大学,森林工程,2004,硕士.
[28]赵雨桐.会议口译实践报告[D].大连理工大学,英语口译（专业学位）,2013,硕士.
[29]贾丽娜.写作档案袋和写长法在英语写作中的整合应用[D].西北师范大学,课程与教学论,2013,硕士.
[30]娄懿.基于租值耗散理论对当前药品零差价模式实施的问题研究[D].杭州师范大学,社会医学与卫生事业管理,2013,硕士.
[31]梁彭飞.SL热水器公司员工绩效考核体系实施方案改进研究[D].西北大学,高级工商管理（EMBA）（专业学位）,2014,硕士.
[32]乌日古嘎.《蒙古秘史》虚词语义研究[D].内蒙古大学,中国少数民族语言文学,2014,硕士.
[33]许丹.钙钛矿结构La_(2/3-x)Y_xCa_(1/3)MnO_3的制备以及拉曼与红外光谱分析[D].安徽大学,材料物理与化学,2013,硕士.
[34]王莹莹.外语学术型硕士研究生个体培养质量评估量表的编制[D].四川外国语大学,英语语言文学,2014,硕士.
[35]高德辉.自保温复合剪力墙在反复荷载作用下的试验研究[D].北方工业大学,结构工程,2014,硕士.
[36]任福民,毛联华,阜葳,杨柳,孟岩,王政,梁锐,向杰,郝慧明.中国城镇污水处理厂运行能耗影响因素研究[J].给水排水,2015,01:42-47.
[37]杜鹏飞.AIN薄膜体声波质量传感器的研究[D].湖北大学,微电子学与固体电子学,2011,硕士.
[38]秦余磊.异质化磁性纳米粒子的可控制备与生物活性研究[D].青岛科技大学,2014.
[39]景婷.改进的NaSch元胞自动机交通流模型研究[D].兰州理工大学,计算机应用技术,2013,硕士.
[40]彭宇,罗清华,王丹,彭喜元.基于区间数聚类的无线传感器网络定位方法[J].自动化学报,2012,07:1190-1199.
[41]赵伟.知识员工忠诚度的影响因素及其与工作绩效的关系研究[D].浙江工业大学,2008.
[42]罗小华.我国城市失能老人长期照护问题研究[D].西南财经大学,人口学,2014,博士.
[43]李成铁.玻璃配料控制系统及其算法研究[D].东北大学,控制理论与控制工程,2011,硕士.
[44]曹春华,张玉敏,刘立.TiO_2/氧化石墨烯复合材料的合成及光催化性能研究[J].江汉大学学报(自然科学版),2013,01:47-50.
[45]安鹏.基于工作流的企业业务过程自动化关键技术研究[D].西北工业大学,机械制造及其自动化,2004,硕士.
[46]雷明菊.采用B/S结构的OLAP系统的研究[D].东南大学,2004.
[47]李志伟.头项针结合治疗中风后顽固性呃逆临床观察[D].黑龙江中医药大学,中医学（专业学位）,2013,硕士.
[48]钟博.提升现阶段我国农村科普工作实效性的路径分析[D].重庆大学,科学技术哲学,2014,硕士.
[49]邱庆顺.视频图像运动估计和边缘检测的方法研究[D].西安电子科技大学,光学,2012,硕士.
[50]郑德印.陕西省银行业发展与经济增长关系的理论和实证分析[D].西安科技大学,产业经济学,2014,硕士.