基于文本情感分类的网络推手识别

网络推手识别研究在净化网络环境、监测网络舆论导向等领域有广阔的发展前景。采用文本情感倾向分析方法进行网络推手识别,通过分析信息发布者的情感倾向,统计正面情感信息与负面情感信息的比重,确定该信息发布者是否是网络推手。重点讨论信息抽取及情感分类相关技术的实现,并验证方法的可行性。     

中文文本情感倾向分析研究

文章首先采用文献计量的方法,统计分析了中文文本情感领域相关的研究论文并给出当前研究框架;接着分类研究了中文文本情感分析的代表性成果,按基础理论研究和应用研究两部分进行深入探讨,前者包括词语和文档情感极性判断、细粒度情感信息抽取、情感分析资源建设,后者则包括其在各领域的应用研究及相关商业系统;最后对中文文本情感倾向分析进行了展望。     

Web文本情感分类研究综述

对用户发表在Web上的评论进行分析,能够识别出隐含在其中的情感信息,并发现用户情感的演变规律.为此,本文对Web文本情感分类的研究进行综述.将情感分类划分为三类任务:主客观分类、极性判别和强度判别,对各自的研究进展进行总结.其中将情感极性判别的方法分为基于情感词汇语义特性的识别和基于统计自然语言处理的识别方法.分析了情感分类中的语料库选择和研究难点.最后总结了情感分类的应用现状,并指出今后的研究方向.     

基于意见挖掘的城市形象网络监测系统初探*

针对无法对舆情信息进行有效搜集、分析等难题,利用意见挖掘的相关技术,采用分步骤、分模型的设计方法,构建出城市形象网络监测系统。通过对与城市有关的评论进行挖掘和分析,识别其情感倾向和演化规律,并以可视化的界面将结果展现给相关政府部门。     

基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究

[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。     

停用词表对中文文本情感分类的影响

本文利用三种特征选择方法、两种权重计算方法、五种停用词表以及支持向量机分类器对汽车语料的文本情感类别进行了研究.实验结果表明,不同特征选择方法、权重计算以及停用词表,对文本情感分类的影响也不尽相同;除形容词、动词和副词外的其余词语作为停用词表以及不使用停用词表对情感分类作用较大,得到的分类结果比较好;总体上,采用信息增益和布尔型权重进行中文文本情感分类的效果较好.     

句子情感分析及其关键问题

情感分析关注具有情感倾向的评价性信息,具有广泛的应用。情感分析按照粒度的不同分为三种：词汇情感分析、句子情感分析和文档情感分析。文中对句子情感分析及其关键问题进行介绍,首先简要描述句子情感分析的任务,然后介绍句子情感分析中主客观句分类方法及两种主观句情感分类方法--基于情感词的方法和机器学习方法,最后对情感分析中的三个关键问题--词汇上下文极性判定、评价主题识别、意见持有者识别进行总结。     

图书情报领域情感研究现状述评

[目的/意义]通过梳理图书情报领域情感研究的现状和发展脉络,以识别该主题范围的核心作者和重要文献,归纳总结相关研究框架及研究特点,并展望未来研究趋势。[方法/过程]以Web of Science、LISA、Google Scholar等数据库中图书情报领域情感研究文献为分析对象,借助HistCite软件对引文数据进行挖掘分析;采用内容分析法构建了情感研究框架。[结果/结论]图书情报领域情感研究处于快速发展期,人机交互及IT利用、信息行为中的情感研究是图书情报学者比较重视的研究方向,社交网络环境中的用户情感倾向识别是热点研究方向。图书情报情感研究还存在理论发展滞后、术语和分类体系混杂等问题需突破。     

多视角情感理论模型及其在信息行为领域应用拓展

现有信息行为领域的相关研究已经证实,情感是理解人类信息行为的关键因素之一。然而,该领域的情感研究还处于较初级的阶段,具体表现为情感概念术语混杂,情感识别与建构研究视角较为单一,情感形成及作用机理剖析缺乏系统性,情感与信息行为的交互机制的探索较为粗浅,多视角的情感理论融合探索亟待加强。本文按照情感理论的历史发展脉络及哲学源流,梳理了情感感觉、情感动机、情感评估和情感信息4种视角的情感理论模型,并对比分析了信息行为领域相关情感模型的应用及延伸发展。通过对4种情感理论视角的核心观点进行辨析及归纳,对情感触发、情感成分与结构、情感功能与认知行为关系等进行分析与解构,构建了一个整合的情感研究概念框架,提出可进一步拓展的研究路径,为该领域后续深入研究提供借鉴和参考。     

突发公共卫生事件下健康信息需求的主题与用户情感实证研究

本文以社会化问答社区为例,探究疫情期间健康信息需求的主题与用户情感变化特征,以期改进问答社区在突发事件中的应急策略,通过数据采集和清洗、文本预处理、LDA主题模型、BERT+BiLSTM情感分类模型对25540条数据进行知识挖掘和主题-情感协同分析。研究结果显示,本文使用的方案能够有效捕捉疫情期间网民需求健康信息的主题特征。在情感分类方面,BERT+BiLSTM模型的分类准确率较基线模型提升了11.75%。为更好地应对突发公共卫生事件,本文建议社会化问答社区应自行生产科学的健康信息、提高针对主题的舆情监控力度并积极引导用户认知。     

语音信息的内容分析技术研究综述

研究语音信息内容分析的特点，对比文本信息分析处理的异同，对语音信息的内容分析技术进行综述并给出内容分析技术的体系框架,并对语音识别、情感信息的识别、语音识别分类等重难点技术进行研究。     

基于OCC模型和LSTM模型的财经微博文本情感分类研究

为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。     

基于引文内容分析的引用情感识别研究

[目的/意义]针对自动识别论文引用情感问题,提出一种基于引文内容分析的识别方法并进行可视化展示,克服基于简单引用频次计量无法区分不同引用情感的问题。[方法/过程]首先,利用正则表达式抽取出论文全文中的引文内容信息;然后,利用TF-IDF算法筛选出引用情感特征词,结合情感词典,利用情感分析技术对引文内容进行引用情感识别;最后,利用可视化工具展示出引用情感整体分布情况。[结果/结论]该方法能够有效识别出抗衰老领域论文数据集中引用情感情况。实验结果显示,该领域正面引用占总引用次数的21%,中立引用占总引用次数的78%,负面引用仅占总引用次数的1%。与传统引文网络相比较,基于引用情感的可视化图谱可以有效识别出不同引用情感在整体数据集合上的分布情况。     

基于文本情感挖掘的企业技术竞争情报采集模型研究

在分析情感知识的技术竞争情报价值和文本信息资源的情感特性及情感化方式的基础上,围绕企业技术竞争情报获取目标与环境,结合文本情感挖掘流程构建由数据层、处理层、应用层组成的采集模型,可用于从以网络技术评论为典型代表的主观性文本信息资源中识别出情感知识作为对传统的主题式情报采集的有益补充,实现情感类技术竞争情报的智能获取。     

突发公共卫生事件利益相关者的社会网络情感图谱研究

[目的/意义]构建突发公共卫生事件利益相关者的社会网络情感网络图谱,以可视化的方式分析突发公共卫生事件中各类利益相关者的情感状态和分布,探寻利益相关者之间的情感传播路径,并结合舆情话题综合分析利益相关者的情感演化态势。[方法/过程]以"魏则西事件"为例,通过微博转发关系构建微博用户的社会关系网络,同时标识各用户的利益相关者类型,并计算用户的情感类型及情感强度嵌入社会网络中构建出社会网络情感图谱。[结果/结论]普通群众的情绪更强烈且易受意见领袖影响,在事件爆发期和蔓延期,主流媒体和自媒体对普通群众的情感影响较大,在衰退期,政府人员和医护人员的参与增加且情感影响变大。随着舆情的演化,各类利益相关者的主导情感也随着变化,自媒体和企业在情感传播中起重要的桥梁作用。     

融合语义关联挖掘的文本情感分析算法研究

面对网络中日益丰富的文本性情感信息资源,利用关联挖掘技术对其进行智能化的自动挖掘与分析,获取语义层面的用户情感知识,对于企业竞争策略的制定和竞争优势的保持具有重要的潜在价值。将关联挖掘技术融入文本情感分析之中,研究并设计一种融合语义关联挖掘的文本情感分析算法,实现语义层面的情感分析与用户情感知识挖掘。实验结果表明,该算法取得了很好的预期效果,显著提高了情感分析的准确率与效率以及关联挖掘的深度与广度。     

基于评论情感分析的用户在线评价研究——以豆瓣网电影为例

[目的/意义] 鉴于网络用户评价已成为人们选择产品或服务时的重要参考指标,旨在了解打分评价和评论评价之间的关系,同时为仅有评论评价的网站提供符合潜在分值的排序和推荐功能。[方法/过程] 通过抓取豆瓣电影的用户评价,使用ROST EA工具进行情感分析得到评论评价的综合情绪值,将其与打分评价进行相关分析,并考虑评论文本的情感强度赋权对结果造成的差异,在此基础上通过回归分析构建回归模型并对其进行检验。[结果/结论] 发现评论评价的综合情绪值与打分评价相关性较高,情感强度的赋权情况对结果影响不大,说明可以根据评论评价预测打分,据此给出相应的回归模型。