《基於群體智慧型的微博情感分析研究》是依託華中科技大學，由文坤梅擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於群體智慧型的微博情感分析研究
- 項目類別：青年科學基金項目
- 項目負責人：文坤梅
- 依託單位：華中科技大學
中文摘要,結題摘要,
中文摘要
微博是近年來較為流行的一種集成化和開放化的新型線上社會網路服務，已經成為研究的熱點之一，進兩年來獲得了極大的關注，也逐漸出現了一些初步的研究成果，但由於微博具有文本不規範、社會網路關係複雜、實時性及用戶互動頻繁等特點，目前尚缺乏有效的微博情感分析方法。本項目面向微博中的熱點話題，建立一套基於群體智慧型的微博情感分析方法。研究內容包括：（1）融合微博時空特徵與上下文特徵，建立面向微博熱點話題的用戶觀點模型；（2）研究微博用戶、熱點話題特徵以及用戶觀點之間的多維內、外部關聯關係，提出度量微博用戶情感的方法；（3）採用群體智慧型最佳化模型的方法，確定微博用戶的情感強度對大眾觀點形成的影響。基於群體智慧型的微博情感分析方法，有別於傳統線上文本情感分析，融合微博所具有的社會網路特性和用戶之間的群體行為特徵，分析與挖掘目前亟待深入研究的微博線上社會網路，具有重要的理論價值和良好的套用前景。
結題摘要
微博情感分析是目前的研究熱點，由於微博的短文本不規範性、社會網路屬性、實時性及用戶互動頻繁等特性，已有的情感分析方法不能完全適用。項目面向微博中的熱點事件，建立了一套基於群體智慧型的微博情感分析方法。研究了中文微博熱點話題信息的獲取方法和話題特徵提取方法；在此基礎上改進了已有的觀點模型，提出了一種基於句法依存關係的微博情感分析方法，該方法在觀點句識別、情感傾向性判斷和情感要素的抽取上取得了一定的效果。融合微博的上下文及轉發特徵，提出了一種子話題級別的情感分析算法，該算法表明基於轉發最佳化的結果要好於基準實驗結果。研究了文檔在不同話題上的重要性與話題模型之間的相互關聯關係，提出了融合topical PageRank的RankTopic和融合了topical HITS的HITSTopic算法。RankTopic和HITSTopic在模型泛化、文檔聚類及分類、話題可解釋性及文檔網路概要能力都比基準的模型要好。研究了運用群體智慧型算法改進聚類效果，將螢火蟲算法運用至 k-means分類算法的改進中，取得了一定的效果。結合量子系統的優勢，提出了基於量子行為的螢火蟲群最佳化算法。通過一系列的改進，螢火蟲群的多樣性得到了加強，改進後的算法能夠取得更好的平衡，並且具有更快的速度。研究了社交網路中的情感動力學模型，提出一種基於事件刺激並結合群體智慧型方法的公眾情感發展模型，即考慮環境對用戶情感不斷刺激而不斷演化的過程。提出的基於群體智慧型的微博情感分析方法，有別於傳統線上文本情感分析，融合微博所具有的社會網路特性和用戶之間的群體行為特徵，分析與挖掘目前亟待深入研究的微博線上社會網路，具有重要的理論價值和良好的套用前景。此外，對提出的情感分析方法進行了擴展研究，進一步加強了研究結果的有效性。
