理论教育 回帖情感倾向计算-应对决策的网络舆情信息聚合研究

回帖情感倾向计算-应对决策的网络舆情信息聚合研究

时间:2023-10-29 理论教育 版权反馈
【摘要】:3)将值T1与临时堆栈Stack的所有副词的极性值进行相乘后得到该句S1的情感倾向值Total1。4)句子S1的情感倾向值计算完毕,搜索下一个句子S2,重复步骤和得到句子S2的情感倾向值Total2。5)直到计算出Sn的情感倾向值Totaln,并利用下面公式计算回帖的总倾向值F。

回帖情感倾向计算-应对决策的网络舆情信息聚合研究

参与网络舆情的用户在表达观点的时候,句型多变,修饰手法也多种多样,有时还夹杂很多反语、讽刺的言语,计算机尚无法自动准确理解。蔡建平等[1]采用句子修辞分析法,定义一些修辞规则进行上下文情感倾向修正。娄德成等[2]结合句子依存关系分析,针对不同修辞关系,使用不同的极性计算方式。上述两种方法均不够简便易行,经过测试这两种方法运用到论坛式信息源,效果也比较一般。

本书将探索一种较为简易的句子级情感倾向计算方法,大概思路是:先对回帖进行句子划分,然后循环扫描回帖中所有句子;先将句子中所有副词用一个临时堆栈存储,把所有非副词的情感极性值累加,最后将累加值与副词临时堆栈里面的所有副词极性值相乘,并将结果作为该句子的倾向值;扫描下一个句子,直到回帖中所有句子扫描完毕,将回帖中所有句子极性值按照位置不同乘以不同权重后相加,将结果作为该回帖的情感倾向值。描述算法的流程如下:

1)获取帖子线索的一个回帖R,将帖子进行句子切分得到句子S1,S2,…,Sn

2)扫描句子S1的所有词语,把所有的副词先存储到一个临时堆栈Stack中,将其他所有的情感词极性值进行累加,得到值T1

3)将值T1与临时堆栈Stack的所有副词的极性值进行相乘后得到该句S1的情感倾向值Total1。(www.daowen.com)

4)句子S1的情感倾向值计算完毕,搜索下一个句子S2,重复步骤(2)和(3)得到句子S2的情感倾向值Total2

5)直到计算出Sn的情感倾向值Totaln,并利用下面公式计算回帖的总倾向值F。

其中α为句子Si的权重系数,n为回帖中句子总数。这个主要是考虑到汉语的使用习惯问题,人们比较喜欢在句首或句尾表达主要看法和意见。经统计分析和实验测试可知,可以为句首、句尾和其他普通句子赋予不同的权重。详情如下:

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈