基于网络评论情感和区域的观点社群发现技术的研究

论文摘要

随着Web2.0技术的发展,网络已经成为网民发表观点言论的重要渠道。如今,越来越多的网民在博客、论坛、评论互动和新闻组里发表他们关于社会时事和现象的态度和看法。而其中许多评论信息在很大程度上可以反映舆论观点。对于政府机构来说,舆论观点在指导他们制定信息宣传计划和政策时非常重要。因此,舆论观点的发现具有重要意义,而网络评论是网络舆论分析的一个重要的数据源。网络评论分析已经进行了很多的研究,但是目前关于这方面的研究大多仅仅关注情感分类,这种情感分类将网民的情感分成三类：正向的、负向的和中立的。为了获取更丰富的情感,同时考虑同一事件不同区域的网民可能呈现不同的观点分布,本文提出了一种基于网络评论的情感和区域分布的观点社群发现的方法。首先,本文根据情感相似性,运用聚类的方法把网民的评论划分成不同的观点社群；然后,本文定义了最长有序情感句,提出了最长有序情感句挖掘算法来提取每个观点社群中的代表性观点；最后,本文研究每个观点社群的区域分布,并将每个观点社群的区域分布情况在地图上标记出来。实验表明,应用本文提出的方法对网络评论进行分析,能够比其他相关的网络舆情分析方法得到更多的信息。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题提出
• 1.2 国内外相关研究现状和分析
• 1.2.1 文本情感分析研究现状和分析
• 1.2.2 网络观点分析和挖掘研究现状和分析
• 1.3 本文的研究内容和目标
• 1.3.1 研究内容和目标
• 1.3.2 课题来源
• 1.4 本文的组织结构
• 第二章 相关理论及技术
• 2.1 网络数据获取
• 2.1.1 网络爬虫的概念
• 2.1.2 网络爬虫的工作原理
• 2.2 文本聚类
• 2.2.1 文本预处理
• 2.2.2 文本表示
• 2.2.3 文本聚类
• 2.3 文本情感倾向性分析
• 2.3.1 语句层析的情感倾向性预测
• 2.3.2 篇章层次的情感倾向性分析
• 2.3.3 海量数据的情感性分析
• 2.4 观点社群发现
• 2.4.1 观点社群相关概念
• 2.4.2 观点社群发现技术和表示
• 2.5 本章小结
• 第三章 基于情感的观点社群发现分析模型
• 3.1 问题提出
• 3.2 观点社群发现模型
• 3.3 任务分析
• 3.3.1 网络评论的获取和内容的表示
• 3.3.2 评论内容建模
• 3.3.3 基于情感的观点社群发现
• 3.4 本章小结
• 第四章 观点社群代表性观点提取模型
• 4.1 观点社群代表性观点提取思想
• 4.2 最长有序情感句定义
• 4.3 情感短语树构建
• 4.3.1 情感短语树的定义
• 4.3.2 情感短语树构建的实现
• 4.3.3 基于情感短语树的观点提取实现
• 4.4 本章小结
• 第五章 基于观点社群和区域的观点分布发现模型
• 5.1 观点分布区域相关性
• 5.1.1 观点分布区域相关性定义
• 5.1.2 观点分布区域相关性研究意义
• 5.2 区域概念层次树的构建
• 5.2.1 区域概念层次树的定义
• 5.2.2 区域层次树的构建
• 5.3 基于观点社群和区域层次树的观点分布发现算法实现
• 5.4 本章小结
• 第六章 实验结果及分析
• 6.1 实验设计与实验环境
• 6.1.1 实验设计
• 6.1.2 实验环境
• 6.2 实验结果及分析
• 6.2.1 基于LDA+Kmeans的观点社群发现结果及分析
• 6.2.2 最长有序情感句抽取结果及分析
• 6.2.3 观点分布区域相关性发现结果及分析
• 6.3 本章小结
• 第七章 结论及未来工作
• 7.1 总结
• 7.2 进一步工作
• 参考文献
• 致谢
• 攻硕期间参与项目