面向微博的社会情绪词典构建及情绪分析方法研究
本文旨在探索一种面向微博的社会情绪词典构建方法,并将其应用于社会公共事件的情绪分析中.首先通过手工方法建立小规模的基准情绪词典,然后利用深度学习工具word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典,并结合Hownet词典匹配和人工筛选生成最终的情绪词典.接下来,分别利用基于情绪词典和基于SVM的情绪方法对实验标注语料进行情绪分析,结果对比分析表明基于词典的情绪分析方法优于基于SVM的情绪分析方法,前者的平均准确率和召回率比后者分别高13.9％和1.5％.最后运用所构建的情绪词典对热点公共事件进行情绪分析,实验结果表明本文方法是有效的.
文本处理 情绪分析 社会情绪词典 支持向量机
蒋盛益 黄卫坚 蔡茂丽 王连喜
广东外语外贸大学信息学院,广东 广州510006 广东外语外贸大学图书馆,广东广州510420
国内会议
中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)
广州
中文
1-8
2015-11-13（万方平台首次上网日期，不代表论文的发表时间）