基于演化K-medoids方法的微博情感动态分析——以《穹顶之下》为例

[目的/意义]为了动态分析网民对微博热点问题的情感变化,提出了一种融合情感向量模型的演化K-medoids情感动态分析方法。[方法/过程]对评论文本进行分词、去噪,得到多个代表文本含义的实词;使用卡方统计法计算实词与文本类别的相关性,从而获取文本特征词;使用TF-IDF方法计算特征词权重,基于词语关联度建立了文本情感向量模型;将历史代价函数引入到K-medoids算法中,同时保证了相邻时段聚类结果的平滑性和同一时段聚类结果的优化性,从而得到演化的K-medoids动态算法;[结果/结论]以《穹顶之下》微博情感变化为例开展实例研究,结果表明演化K-medoids算法能够有效分析网民对热点事件的情感动态,克服了传统算法只能分析静态数据的缺陷,该结果可为政府有效进行舆情监控和疏导提供一定的参考和依据。

商品主观评论的情感细分类模型研究

在现有褒贬性情感分类的研究中,缺乏对商品具体属性情感倾向的分析。基于此,建立细分类模型,将情感分类分为初分类和细分类两个过程。初分类确定商品评论的整体情感倾向,根据初分类的结果对商品的各个属性再次进行情感分类,以确定具体属性的情感倾向。从而消费者无需阅读具体的文本评论,就可以全面直观地了解商品,缩短做出购买决策的时间,降低决策的复杂度。该模型可作为网上商品销售的一个扩展功能使用,并利用酒店评论文本检测了模型的有效性。同时,论文通过对四种经典的特征算法的测试,发现在情感细分类中互信息(Mutual Information,MI)达到了更高的准确度。

基于互信息法的中文音乐情感词典的构建

音乐作为人类情感表达和文化交流的重要媒介,其情感分析越来越多的受到学者专家的重视。针对歌词文本进行情感倾向性分析,提出一个构建音乐情感词典的模型。首先,对指定网站及类别标签的歌词文本进行收集与预处理;其次,在手动整理的歌词基准词汇库的基础上,使用基于点间互信息法测量相似度的方法对情感词典进行扩充;最后在该情感词典的基础上进行歌曲情感分类,实验结果准确率均在70%以上,达到较为理想的结果。