基于多类别语义词簇的新闻读者情绪分类

2016-09-29 17:40:26温雯吴彪蔡瑞初郝志峰王丽娟
计算机应用 2016年8期

温雯 吴彪 蔡瑞初 郝志峰 王丽娟

摘要:分析和研究文本读者情绪有助于发现互联网的负面信息,是舆情监控的重要组成部分。考虑到引起读者不同情绪主要因素在于文本的语义内容,如何抽取文本语义特征因此成为一个重要问题。针对这一问题,提出首先使用word2vec模型对文本进行初始的语义表达;在此基础上结合各个情绪类别分别构建有代表性的语义词簇,进而采用一定准则筛选对类别判断有效的词簇,从而将传统的文本词向量表达改进为语义词簇上的向量表达;最后使用多标签分类方法进行情绪标签的学习和分类。实验结果表明,该方法相对于现有的代表性方法来说能够获得更好的精度和稳定性。

关键词:情感分析;情绪分类;语义词簇;多标签学习;word2vec

中图分类号:TP391

文献标志码:A

0引言

随着Web2.0的到来,在互联网上获得大量新闻语料及读者的评论文本和情绪标签已经成为一件轻而易举的事情。通过对文本情绪的分析,能够让我们更加清楚了解文本给人们日常生活带来的影响,有助于监控和定位特殊情绪的传播[1]。近年来,大量情感文本的出现使得情感分析已经成为了文本挖掘的热点。整体而言,情感分析的研究分为两大类。

一类是文本的直接情感分析,一般定义为文本直接呈现出的情感极性,主要是作者写作时的情感,包括正面和负面的态度,通常采用单标签及极性度量表示,目前的主流方法包括:

1)简单的基于情感词典极性词的研究。……

登录APP查看全文