《基於用戶互動特性的社會網路情感分析技術研究》是依託山東師範大學，由劉培玉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於用戶互動特性的社會網路情感分析技術研究
- 項目類別：面上項目
- 項目負責人：劉培玉
- 依託單位：山東師範大學
項目摘要,結題摘要,
項目摘要
社會媒體環境下的網路用戶言論相對自由，更能反映用戶的真實情感，產生網路輿情。這些輿情信息，如果合理正面引導，可以對政府、宣傳媒體和商家等產生正能量，如果被敵對勢力或犯罪分子利用，就會引發網路輿情事件和社會動盪。本課題就是要研究社交網路下用戶發表情感信息的傾向性和熱度，為政府和媒體提供輿情分析報告和處置決策依據。（1）研究網路中用戶互動特性，如互動特性對個體情感的影響、社交網路中用戶情感的傳播方式、社交網路中不同用戶的情感影響強度等，為話題全局情感分析打下理論基礎；（2）綜合利用社交網路中用戶產生的內容信息、標籤信息、互動信息，完成情感詞的自動擴充及評價對象的識別，實現評價短語傾向性分析、否定句傾向性分析、比較句傾向性分析，最後構建特定話題層次表示模型對同一話題進行情感傾向性分析；（3）研究社交網路環境下情感分析在輿情預測中的套用，實現社交網路輿情預測及態勢分析，為有關部門及時提供決策依據。
結題摘要
本課題針對社交網路中的用戶互動性、用戶的情感摘要及傳播方式、評價其影響強度、發表內容的傾向性分析、預測和事態分析等內容進行了深入的研究。項目在針對相關研究現狀進行了深入分析、相關研究報告的基礎上，對用戶互動性等一系列內容，進行了深入的研究；針對用戶情感的傳播方式和情感強度的變化，探討了融入時間特徵、動態閾值和命名實體雙重過濾的話題追蹤等方法的研究，並對微博等短文本進行了深入的研究。針對用戶互動特徵和內容信息的傾向性分析內容，研究了跨領域、可信標籤機制、不同語境下的情感的情感傾向性；針對基於情感驅動的輿情預測，研究了基於熱度聯合排序的微博熱點話題發現方法和融合人工蜂群的微博話題推薦算法等內容。針對社交網路上輿情話題態勢的變化，提出了一種基於密度峰值發現的文本聚類算法，為了進一步實現對於輿情事件的發展態勢分析，課題組深入研究了生成性摘要，提出了一種基於注意力的tree-LSTM句子摘要模型，理解大規模文本數據所表達的語義，為政府或管理者及時提供網路輿情信息報告和決策依據。
