典型文献
基于情感对象识别和情感规则的微博倾向性分析
文献摘要：
微博平台数据中含有大量反映用户情感喜恶的信息,对于涉及博文倾向性分析的应用尤为重要.现有的分析方法往往聚焦在博文情感的简单分类上,无法分析特定类型实体的微博倾向性.为解决微博倾向性分析问题,实现博文立场判定,采用半监督学习的方法,通过协同训练和主动学习,训练实体识别模型,并构建基于主成分分析的情感规则,提取句子的主成分,将口语化的文本规范化为指定格式.再利用指向性实体的正负面性、情感词的褒贬义及情感词充当的句子成分,实现情感分类的更深层次分析——立场判定.针对实际问题进行立场判定实验,在不同规模数据集上的自对比实验和他比实验显示,随着标注实体的博文数量增加,模型对博文立场判断的正确率持续提升,而且所提方法判断博文立场的正确率显著高于对比方法,相较已有研究方法分别提高了2.79％和10.00％.
文献关键词：
情感分析;立场判定;半监督学习;倾向性;情感规则;协同训练;主动学习
中图分类号：
作者姓名：
王泽辰;王树鹏;孙立远;张磊;王勇;郝冰川
作者机构：
中国科学院信息工程研究所,北京 100193;国家计算机网络应急技术处理协调中心,北京 100085
文献出处：
引用格式：
[1]王泽辰;王树鹏;孙立远;张磊;王勇;郝冰川-.基于情感对象识别和情感规则的微博倾向性分析)[J].北京航空航天大学学报,2022(02):301-310
A类：
立场判定,褒贬义
B类：
情感对象,情感规则,倾向性分析,微博平台,平台数据,用户情感,喜恶,博文,文情,单分类,分析问题,半监督学习,协同训练,主动学习,实体识别,识别模型,口语化,定格,指向性,正负,负面性,充当,句子成分,情感分类,针对实际,不同规模,模数,比方,情感分析
AB值：
0.304222
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
