基于扩展词典与语义规则的中文微博情感分析

doi:10.3969/j.issn.1006-2475.2018.02.019

计算机与现代化

基于扩展词典与语义规则的中文微博情感分析

（北京交通大学计算机与信息技术学院,北京100044）

收稿日期:2017-06-02 出版日期:2018-03-08 发布日期:2018-03-09
作者简介:李继东(1992-),男,河南信阳人,北京交通大学计算机与信息技术学院硕士研究生,研究方向：移动与互联网；王移芝(1953-),女,教授,研究方向:移动与互联网,计算机网络与数据库。
基金资助:
国家自然科学基金“面上”项目（K13A300050）

Sentiment Analysis of Chinese Microblog Based on Expand-dictionary and Semantic Rule

(School of Computer and Information Technology， Beijing Jiaotong University， Beijing 100044， China)

Received:2017-06-02 Online:2018-03-08 Published:2018-03-09

摘要/Abstract

摘要： 首先分析微博文本新词出现规律，通过程度词发现微博新词，然后通过拓展的PMI算法，计算新词与情感基准词之间的点互信息值，根据点互信息值将新词分为褒贬2类后加入微博领域词典。接着构建基础情感词典，考虑到微博文本的独特性和汉语言特点，构建微博表情词典、否定词典、程度词词典、连词词典。最后结合情感词典与语义规则，通过与微博表情进行情感值加权的方式来对中文微博进行情感分析。通过对抓取的微博数据集进行测试，验证了本文提出的分析策略的有效性。

关键词: 微博, 情感分析, 情感词典, 语义规则

Abstract: Firstly this paper focuses on the occurrence rule of new words in microblog texts, finds microblogging new words through adverbs, then calculates the SO-PMI between the new words and the emotional benchmark words by optimized PMI algorithm, based on which the new words are divided into praiseful and derogatory categories and then been added to microblog domain dictionary. Secondly, basic emotional dictionary is constructed, considering the uniqueness of microblogging text and the characteristics of Chinese language, we construct microblogging expression dictionary, negative word dictionary, adverbs dictionary, conjunctions dictionary. Finally, combined with the emotional dictionary and semantic rules, we carry on an emotional analysis on Chinese microblogging by the means of emotional weighting with microblogging expressions. The validity of the proposed analysis strategy is verified by testing the microblogging data set.

Key words: microblog, sentiment analysis, emotion dictionary, semantic rule

中图分类号:

TP391

李继东，王移芝. 基于扩展词典与语义规则的中文微博情感分析[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2018.02.019.

LI Ji-dong， WANG Yi-zhi. Sentiment Analysis of Chinese Microblog Based on Expand-dictionary and Semantic Rule[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2018.02.019.

参考文献

［1］ Barbosa L, Feng Junlan. Robust sentiment detection on Twitter from biased and noisy data［C］// Proceedings of the 23rd International Conference on Computational Linguistics: Posters. 2010:36-44.
［2］ Jiang Long, Yu Mo, Zhou Ming, et al. Target-dependent Twitter sentiment classification［C］// Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies. 2011:151-160.
［3］ Go A， Bhayani R， Huang Lei. Twitter sentiment classification using distant supervision［J］. CS224N Project Report, 2009,44(1):1-12.
［4］肖江,丁星,何荣杰. 基于领域情感词典的中文微博情感分析［J］. 电子设计工程, 2015,23(12):18-21.
［5］梁亚伟. 基于表情词典的中文微博情感分析模型研究［J］. 现代计算机, 2015(14):7-10.
［6］周剑锋,阳爱民,周咏梅. 基于中文微博的情感词典构建及分类方法［J］. 计算机与数字工程， 2014,42(10):1773-1776.
［7］陈晓东. 基于情感词典的中文微博情感倾向性分析研究［D］. 武汉:华中科技大学, 2012.
［8］王文,王树锋,李洪华. 基于文本语义和表情倾向的微博情感分析方法［J］. 南京理工大学学报, 2014,38(6):733-738.
［9］徐琳宏,林鸿飞,潘宇,等. 情感词汇本体的构造［J］. 情报学报, 2008,27(2):180-185.
［10］阳爱民,林江豪,周咏梅. 中文文本情感词典构建方法［J］. 计算机科学与探索, 2013,7(11):1033-1039.
［11］朱嫣岚,闵锦,周雅倩,等. 基于HowNet的词汇语义倾向计算［J］. 中文信息学报, 2006,20(1):14-20.
［12］陈国兰. 基于情感词典和语义规则的微博情感分析［J］. 情报探索, 2016(2):1-6.
［13］张昊昊,石博莹,刘栩宏. 基于权值算法的中文情感分析系统研究与实现［J］. 计算机应用研究, 2012,29(12):4571-4573.
［14］郭叶. 中文句子情感倾向分析［D］. 北京:北京邮电大学， 2010.
［15］王振宇,吴泽衡,胡方涛. 基于HowNet和PMI的词语情感极性计算［J］. 计算机工程, 2012,38(15):187-189.
［16］桂斌,杨小平,张中夏,等. 基于微博表情符号的情感词典构建研究［J］. 北京理工大学学报, 2014,34(5):537-541.
［17］Shen Yang, Li Shuchen, Zheng Ling， et al. Emotion mining research on micro-blog［C］// 2009 1st IEEE Symposium on Web Society. 2009:71-75.
［18］赵天齐,姚海鹏,方超,等. 语义规则与表情加权融合的微博情感分析方法［J］. 重庆邮电大学学报(自然科学版), 2016,28(4):503-510.

[1]	李诗月, 孟佳娜, 于玉海, 李雪莹, 许英傲. 基于知识增强的方面级情感分析方法[J]. 计算机与现代化, 2023, 0(10): 1-8.
[2]	卢悦, 曹春萍. 融合用户历史传播信息的微博谣言检测[J]. 计算机与现代化, 2022, 0(06): 37-42.
[3]	姚春华, 张学磊, 宋馨宇, 张举, 蔡佳志, 冯翱. 一种基于图卷积神经网络和依存分析的财经新闻情感分析方法[J]. 计算机与现代化, 2022, 0(05): 33-39.
[4]	陈瀛, 生佳根. 基于LDA和Word2vec的微博标签生成算法[J]. 计算机与现代化, 2021, 0(12): 37-42.
[5]	刘梦颖, 王勇. 基于文本双表示模型的微博热点话题发现[J]. 计算机与现代化, 2021, 0(12): 110-115.
[6]	冯茹嘉, 张海军, 潘伟民. 基于情感分析和Transformer模型的微博谣言检测[J]. 计算机与现代化, 2021, 0(10): 1-7.
[7]	尼格拉木·买斯木江, 艾孜尔古丽·玉素甫. 基于BERT及双向GRU模型的慕课用户评论情感倾向性分析[J]. 计算机与现代化, 2021, 0(04): 20-26.
[8]	徐龙. 基于自注意力和胶囊网络的短文本情感分析[J]. 计算机与现代化, 2020, 0(07): 61-64.
[9]	丁岩1,2，鲍焱1,2，胡晓1,2. 基于多媒体信息的双向LSTM情感分析方法[J]. 计算机与现代化, 2019, 0(02): 88-.
[10]	沈然，林恺丰，吴慧. 一种用于供电服务评估的多模态多任务框架[J]. 计算机与现代化, 2018, 0(12): 51-.
[11]	刘俊杰1，马畅2，邵维龙2，韩东红2，夏利2. 面向新浪微博的意见领袖挖掘算法[J]. 计算机与现代化, 2018, 0(09): 80-.
[12]	李城，沙俊淞，武文. 基于最长公共子序列的微博谣言溯源研究[J]. 计算机与现代化, 2018, 0(01): 107-112.
[13]	王娜娜，李向前. 文本情感倾向性分析[J]. 计算机与现代化, 2017, 0(7): 10-15+52.
[14]	周春晖. 基于Simhash的大数据去重改进算法[J]. 计算机与现代化, 2017, 0(7): 38-41.
[15]	伊尔夏提·吐尔贡,吾守尔·斯拉木,热西旦木·吐尔洪太,于清. 维吾尔文情感语料库的构建与分析[J]. 计算机与现代化, 2017, 0(4): 67-72.

基于扩展词典与语义规则的中文微博情感分析

Sentiment Analysis of Chinese Microblog Based on Expand-dictionary and Semantic Rule

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价