基于话题自适应的中文微博情感分析★★★★

第４０卷第１１期２０１３年１１月

计算机科学

Ｃｏｍｐｕｔｅｒ

Ｓｃｉｅｎｃｅ

Ｖ０１．４０Ｎｏ．１１Ｎｏｖ２０１３

基于话题自适应的中文微博情感分析

任远巢文涵周庆李舟军

（北京航空航天大学计算机学院北京１００１９１）

摘要近年来，随着社会网络的迅速兴起，面向社会网络的情感分析技术逐渐成为数据挖掘领域新的研究热点。中文微博以其语言简短、文法灵活的特点，给情感分析的研究工作带来了新的挑战。对数据预处理、情感词典构造、话题元素引入等中文微博情感分析技术进行了系统的研究，提出了给情感词分级的方法以提升情感分析的准确度；同时提出了面向话题的自适应方法以更准确地识别情感词；最后实验结果验证了以上方法的有效性。

关键词

中文微博，情感分析，情感词，话题自适应

文献标识码Ａ

中图法分类号ＴＰ３９１

ＳｅｎｔｉｍｅｎｔＡｎａｌｙｓｉｓｏｆＣｈｉｎｅｓｅＭｉｃｒｏｂｌｏｇｕｓｉｎｇＴｏｐｉｃＳｅｌｆ－ａｄａｐｔａｔｉｏｎ

ＲＥＮＹｕａｎ

ＣＨＡＯＷｅｎ－ｂａｎＺＨＯＵＱｉｎｇ

ＬＩ

Ｚｈｏｕ－ｊｕｎ

（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔｌｙｂｅｃｏｍｅ

Ｒｅｃｅｎｔｌｙ，ｗｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｓｏｃｉａｌｎｅｔｗｏｒｋｓ，ｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓ

ａ

ｏｖｅｒ

ｓｏｃｉａｌｎｅｔｗｏｒｋｓｈａｓｇｒａｄｕａｌ—

ｎｅｗｈｏｔｒｅｓｅａｒｃｈｔｏｐｉｃ，ｅｓｐｅｃｉａｌｌｙｉｎ小ｅｆｉｅｌｄｏｆｄａｔａｍｉｎｉｎｇ．Ｔｈｅ

ｔｙｐｉｃａｌｆｅａｔｕｒｅｓｏｆＣｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇ

（ｓｕｃｈａｓ“ｓｈｏｒｔ”ａｎｄ“ｆｌｅｘｉｂｌｅ”）ｂｒｉｎｇｓｏｍｅｎｅｗｃｈａｌｌｅｎｇｅｓｆｏｒｔｈｅｒｅｓｅａｒｃｈｅｒｔｏａｎａｌｙｚｅｉｔｓｃａｒｒｉｅｄｏｕｔ

ａ

ｓｅｎｔｉｍｅｎｔ．Ｓｏ

ｔｈｉｓｐａｐｅｒ

ｓｙｓｔｅｍａｔｉｃｓｔｕｄｙ

ｏｎ

Ｃｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇｇｉｎｇｅｍｏｔｉｏｎａｌａｎａｌｙｓｉｓｔｅｃｈｎｏｌｏｇｙ，ｉｎｃｌｕｄｉｎｇ

ａ

ｄａｔａｐｒｅｐｒｏｅｅｓｓｉｎｇ，

ｅ－

ｓｅｎｔｉｍｅｎｔａｌｌｅｘｉｃｏｎｃｏｎｓｔｒｕｃｔｉｏｎ，ｔｏｐｉｃａｄｊｕｎｃｔｉｏｎ．Ｉｎ

ａｄｄｉｔｏｎ，ｔｏ

ｉｍｐｒｏｖｅｔｈｅｐｒｅｃｉｓｉｏｎＯｆｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓ，ａｎｏｖｅｌ

ｍｏｔｉｏｎａｌｗｏｒｄｓｃｌａｓｓｉｆｉｃａｔｉｏｎａｐｐｒｏａｃｈｗａｓｐｒｏｐｏｓｅｄ．Ｍｅａｎｗｈｉｌｅ，ｗｅｐｒｏｐｏｓｅｄ

ｔｏｐｉｃ－ｏｒｉｅｎｔｅｄａｄａｐｔｉｖｅｍｅｔｈｏｄｔｏｐｒｏ—

ｍｏｔｅｔｈｅｗｏｒｋｏｆｅｍｏｔｉｏｎａｌｗｏｒｄｓｉｄｅｎｔｉｆｉｅａｔｉｏｎ．Ａｎｄｔｈｅｅｘｐｅｒｉｍｅｎｔａｔｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｆｅａｓｉｂｉｌｉｔｙａｎｄｅｆｆｅｃｔｉｖｅ－

ｎｅｓｓ

ｏｆ

ｏｕｒ

ａｐｐｒｏａｃｈ．

Ｃｈｉｎｅｓｅｍｉｃｒｏｂｌｏｇ，Ｓｅｎｔｉｍｅｎｔａｎａｌｙｓｉｓ，Ｓｅｎｔｉｍｅｎｔａｌｗｏｒｄｓ，Ｔｏｐｉｃｓｅｌｆ－ａｄａｐｔａｔｉｏｎ

Ｋｅｙｗｏｒｄｓ

１

引言

随着Ｗｅｂ２．０的蓬勃迅猛发展，越来越多的用户习惯于

视，而面向社会网络的情感分析技术就是其重要的组成部分

和研究热点。

情感分析是对带有情感色彩的主观性文本进行分析、处

在互联网上发布自己的观点、分享个人生活体验、与朋友交流互动，由此推动了社会网络的快速发展。微博，作为一个综合

性的社会网络平台，给用户提供了便捷的网上沟通渠道与丰

理、归纳和推理的过程，目的是为了从用户发布的带有主观感情色彩的文本信息中提取用户的观点，并判断其情感极性。情感分析一般分为情感信息抽取和情感倾向分类两大任务。

目前针对英文微博（如ｔｗｉｔｔｅｒ）的情感分析技术已经取得了

富而新鲜的信息内容，迅速成为最受网民欢迎的新兴社会网

络媒体。以我国的新浪微博为例，据统计截至２０１２年１２月，新浪微博用户数量超过５亿，日活跃用户量达到４６２０万，可

重要的进展，积累了不少研究成果。但面向中文微博的情感

分析技术的研究尚处于初级阶段。由于中英文在语法、语义

见微博已经成为人们生活中不可或缺的一部分，并在一定程

度上影响着人们的日常工作和生活。正是由于微博具有如此

和语用等方面存在着巨大的差异，使得在处理中文微博文本的过程中面临着更多的问题。例如，英文微博限制每条文本最多包含１４０个英文字符，大约相当于７～１５个英文单词组成的一整句话，表达的话题单一、情感极性容易判别；中文微

博规定每条文本最多包含１４０个中文字符，这其中可以有多句话，每句话表达的话题和情感可以各不相同。例如下面一条中文微博：“今天洛杉矶湖人队的比赛真是糟糕透了！加索

庞大的活跃用户量，使得其蕴含的数据与信息规模相当庞大，仅靠传统的人工方法已无法对这些海量的数据与信息进行有

效的收集和处理，因此迫切需要利用计算机技术来帮助用户对其进行分析与处理。在此背景下，社会网络分析技术应运而生，并迅速引起学术界和互联网企业的广泛关注和高度重

到稿日期：２０１３－０２—１０返修日期：２０１３—０４—２２

本文受国家自然科学基金项目（６１１７０１８９，６１３７０１２６，６１２０２２３９），高等学校博士学科点专项科

研基金（２０１１１１０２１３０００３），软件开发环境国家重点实验室自选课题（ｓＫＩｓＤＢ２０１３ｚｘ－１９），中央高校基本科研业务费专项基金（ＹＷＦ－１３－Ｔ－

ＲＳＣ－０７２）资助。

任远（１９８７一），男，硕士生，主要研究方向为数据挖掘与社交网络分析，Ｅ－ｍａｉｌ：ｒｅｎｙｕａｎ＠ｃｓｅ＿ｂｕ她ｅｄｕ．ｏｎ；巢文涵（１９７９一），男，博士，讲师，主

要研究方向为数据挖掘、自然语言处理、机器翻译；周庆（１９９１一），男，主要研究方向为数据挖掘；李舟军（１９６３一），男，博士，教授，博士生导师，ＣＣＦ高级会员，主要研究方向为智能信息处理技术、信息安全技术。

２３１

尔状态低迷，但是科比的表现依旧出色！”在此条评论ＮＢＡ比赛的微博中，作者用３句话分别针对３个不同的话题对象

表达了不同的情感。因此，在进行中文微博情感分析时，不能

完全依靠普通的情感分析方法，需要针对中文微博自由、灵

活、口语化的特点，对微博数据进行更为细致的分析和处理。

情感词处理方面，相比于传统情感词极性的粗粒度划分（正向

情感词、中性情感词、负向情感词），本文提出了更为精细的情对中文微博短文本的特点，本文尝试引入话题因素，提出了面

向话题的自适应方法，从话题相关文本中抽取出情感词作为

话题情 …… 此处隐藏：15367字，全部文档内容请下载后查看。喜欢就下载吧 ……