基于公众情绪上下文的LSTM情感分析研究.doc

基于公众情绪上下文的LSTM情感分析研究


该论文来源于网络，本站转载的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。
　　摘 要：[目的/意义]近年来，由于微博等社交媒体的活跃，其在事件时空建模的潜在用途受到了广泛关注。在新媒体环境下研究用户情感可以分析用户情感的演变，将会帮助有关部门采取针对性的措施控制舆情。[方法/过程]本文构建了一种用于分析用户情绪上下文的长短期记忆模型（LSTM），对网络舆情用户情感倾向性和公众情感趋势进行分析与预测。[结果/结论]以新浪微博中，台风“利奇马”事件的相关推文为研究对象，通过多层次时间序列分析，验证社交媒体在自然灾害之前、期间和之后所扮演的角色;继而通过剖析用户情感演化规律，力图为合理控制舆情信息传播提出相应建议。
　　关键词：LSTM模型;情感分析;台风“利奇马”;新浪微博
　　Abstract：[Purpose/Significance]In recent years，due to the activeness of social media such as Weibo，its potential use in event space-time modeling has received widespread user sentiment in the new media environment can analyze the evolution of user sentiment and will help relevant departments take targeted measures to control public opinion.[Method/Process]This paper built a long-short-term memory model（LSTM）for analyzing the users emotional context，and analyzed and predicts the online public opinion users emotional tendency and public emotional trend.[Results/Conclusion]Taking the relevant tweets of the Typhoon“Lichma”incident on Sina Weibo as the research object，through multi-level time series analysis，verified the role of social media before，during and after natural disasters;By analysing the evolution of users emotions，they tried to put forward corresponding suggestions for the reasonable control of the spread of public opinion information.
　　Key words：LSTM model;sentiment analysis;super typhoon“Lekima”;Sina Weibo
　　隨着互联网的发展，越来越多的用户喜欢在社交媒体上发表自己的观点，分享生活中的小事，以及诸如人物、事件、产品等有价值的评论信息。这些评论信息表达了人们的各种情感色彩和情感倾向性，如喜、怒、哀、乐、批评以及赞扬等，因此网络产生了大量的由用户发布的主观性文本。由于主观性文本应用价值的广泛性，情感分析近年来引起了很多研究人员的兴趣。
　　文本情感分析（Sentiment Analysis）又称意见挖掘，是指利用自然语言处理和文本挖掘技术，对带有情感色彩的主观性文本进行分析、处理和抽取的过程[1]。简而言之，是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，情感分析主要可以分为基于词典的分类方法和基于机器学习的方法。最早从事情感分析研究的Pang等将文本的N元语法（N-Gram）和词性（POS）等作为情感特征，使用有监督的机器学习的方法将电影评论分为正向和负向两类。结果显示支持向量机在几种分类方法中效果最好，分类准确率达到80%[2]。长短期记忆网络LSTM（Long Short-Term Memor