基于中文微博的情绪分类与预测算法

• 作者: 于红 徐秀娟 许真珍 赵小薇 郝苗苗
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 微博文本分类 情绪分类预测 词典分析 监督学习 情感极性
• 年，卷（期）: 2018,（z2）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 89-96
• 页数: 8页
• 分类号: TP391
• 字数: 10871字
• 语种: 中文

摘要

为解决中文网络短文本情感多分类及预测问题,提出基于微博数据的针对微博上某一领域的人表达的情感进行多分类以及预测的算法.通过对微博数据特点的研究分析提出了一种基于词典的权重规则算法,构建了微博情绪分析词典,识别微博所表达的5种情感极性:过度积极、轻微积极、中性、轻微消极、过度消极;提出了一种基于监督学习的分类方法对微博的情感极性进行分类预测,提取文本特征构建特征向量等对5种监督学习分类方法进行分析与讨论,实验分析结果准确率达到79.9％.实验分析表明,与基于词典的权重规则算法相比,在微博细致情绪多分类类别识别中,基于监督学习的情绪分类预测方法能够有效提高短文本分类预测的准确率.