基于英文博客空间文本的情感分析研究

论文摘要

Internet已经进入了以Web2.0为主导的时代，随着Web2.0的普及与发展，博客作为其典型的代表获得了广泛的应用。Web2.0最主要的一个特点就是用户参与网络的互动性大大增加，人们现在从被动地在网络上接受信息，转变为主动的在网络上发布自己的观点和看法。由于用户更多地参与到信息的产生过程中，网络信息的内容也因此变得多样化。越来越多的具有个人观点性的内容出现博客、论坛等网络媒体上，这些在线表述的观点性内容对于电子商务、网络舆情分析、信息检索等方面都具有重要的意义和实用价值。对网络文本带有观点性内容的主观性信息的自动情感分析成为了近期Web信息处理的一个新兴的研究热点，其中的核心技术内容便是文本的情感分析。本文主要面向英文博客空间文本开展情感分析的研究，将传统的文本分类技术应用于文本的情感分析，主要在以下几个方面进行研究性工作：（1）设计了文本情感分析的一套基本流程，增加了预处理操作。加入了通常只有在信息检索领域才采用的去停用词技术，同时省略了传统英文文本情感分类所采用的词干提取过程。通过设计比对实验，验证了本文方法的优越性。（2）对特征选择方法进行了研究。区别于传统的以二元组（Bigram）或多元组N-Gram，N>2)作为文本分类的特征，本文在特征选择过程中以词作为情感特征的基本单元，使分析更简单化，降低了计算复杂度。（3）介绍了基于机器学习理论的几种典型算法，并对各算法原理的优缺点进行了比较和分析，选取了在英文文本分类领域较好的支持向量机（SVM）构造分类器模型。（4）根据本文所提出的方法和模型，实现了基于英文文本的情感分析系统。（5）在现有文本分类评价指标的基础上，建立一套专门用于文本情感分析的评价体系。最后，本文设计了系统实验，对所选取的训练语料库采用不同的特征选择方法（信息增益、互信息和χ2统计）进行情感特征的选取，使用SVM构造分类器，对测试语料库分别进行测试，并用新的评价体系对实验结果进行比对和分析。实验结果表明，使用机器学习的方法进行文本情感分析的技术是可行的，采用信息增益的特征选择方法整体效果最优。与现有其他一些方法相比，本文的方法无论是在准确率还是召回率上都有了较大提高，最高可获得83.7%的综合准确率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 文本情感分析的基本概念
• 1.3 英文文本情感分析的研究现状
• 1.4 本文的主要工作
• 1.5 论文的组织结构
• 第二章 文本情感分析技术基础
• 2.1 文本的预处理
• 2.2 文本表示模型
• 2.2.1 布尔 （Boolean） 模型
• 2.2.2 向量空间模型(VSM
• 2.2.3 概率检索模型
• 2.2.4 几种文本表示模型的比较
• 2.3 文本情感分析的特征选择方法
• 2.3.1 信息增益 （IG）
• 2.3.2 互信息 （MI ）
• 2.3.3 χ2统计 （CHI）
• 2.3.4 条件熵 （CE）
• 2.3.5 几种特征选择方法的优缺点比较
• 2.4 特征的概率估算方法
• 第三章 文本情感分析算法模型
• 3.1 文本情感分析流程
• 3.2 文本情感分析算法模型
• 3.2.1 朴素贝叶斯（NB）
• 3.2.2 支持向量机（SVM）
• 3.2.3 k-近邻（KNN）
• 3.2.4 神经网络（NNS）
• 3.2.5 几种算法模型的比较
• 第四章 基于英文文本的情感分析系统
• 4.1 系统改进
• 4.1.1 预处理
• 4.1.2 特征的选取
• 4.1.3 算法模型选取
• 4.2 系统架构
• 4.3 系统实现平台
• 第五章 系统实验与结果分析
• 5.1 语料库选择
• 5.2 评价体系
• 5.3 实验设计与结果分析
• 5.3.1 特征选取结果
• 5.3.2 实验结果比对及分析
• 第六章 总结和展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的学术论文