规则和统计相结合的篇章情感倾向性分析研究

论文摘要

文本情感倾向性分析在电子商务、电子政务、民意分析上有巨大的应用价值。如何准确分析出作者所要表达的情感是文本倾向性情感分析的目标。特征抽取是提高文本倾向性情感分析正确性的主要手段之一。本文以篇章的情感倾向性分析为基础对特征抽取的方法作了研究。本文的主要工作有：(1)针对篇章情感倾向性研究,给出了使用组合策略分析篇章情感等问题的理论解释及相关框架,分析了该框架兼容性问题。我们通过分析语句的情感进而得到篇章的情感倾向性。其优点在于可以根据语句的位置、语句的评论对象的差异来调整其篇章情感倾向分析的权重,进而得到更为近似的情感密度函数。从而解决传统方法将篇章看作整体笼统地分析文本情感存在的问题。(2)分析了规则和统计相结合的情感倾向性分析思想的有效性,并使用搭配规则(资源方法)和判定表(统计方法)验证此思想是可行的。基于资源的情感倾向性分析优点在于情感词表准确,缺点是完备性较差。而统计的方法则恰恰相反。本文将两种方法相结合目的在于取其所长,避其所短。实验表明：基于规则和统计相结合的情感分析(DLCR)方法相对于使用规则(CR)和统计(DL)分析文本的情感的准确率有了明显的提高；DLCR分析效果也明显优于SVM, Bayes的分析效果。这表明基于规则和统计相结合的文本情感倾向性分析算法有着较好的实用价值。

论文目录

• 摘要
• Abstract
• 目录
• 1 引言
• 1.1 课题研究的背景和意义
• 1.2 本文的主要工作
• 1.3 本文的内容组织
• 2 文本情感倾向性研究现状
• 2.1 文本情感倾向性分析
• 2.2 情感词表构建方法
• 2.2.1 统计构建情感词表
• 2.2.2 资源构造情感词表
• 2.2.3 资源和统计方法的比较
• 2.3 分类模型
• 2.3.1 贝叶斯
• 2.3.2 K-最近邻
• 2.3.3 支持向量机
• 2.3.4 判定表
• 2.4 评估指标
• 2.5 小结
• 3 规则和统计相结合的篇章情感倾向性分析研究
• 3.1 规则和统计相结合的篇章情感倾向性分析思想
• 3.2 相关概念与分析
• 3.3 语句情感倾向性的识别
• 3.3.1 规则集的构建
• 3.3.2 判定表对语句情感的分析
• 3.4 算法描述
• 3.5 本章小结
• 4 实验结果与分析
• 4.1 语料说明
• 4.2 实验与分析
• 4.2.1 DL、CR和DLCR算法比较
• 4.2.2 使用平衡语料方法对算法DLCR性能的影响
• 4.2.3 常用分类算法的实验结果的比较
• 4.2.4 词性选择特征对DLCR的影响
• 4.3 本章小结
• 5 结束语
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文