線上社交網路群體情感計算主要分析方法分為：基於語義規則的情感分析方法、基於監督學習的情感分析方法和基於話題模型的情感分析方法。
基本介紹
- 中文名：線上社交網路群體情感計算
- 外文名：Onlinesocial networking groups emotional calculation
目錄：
1. 概述
2. 典型分析技術
一. 概述
線上社交網路的情感分析技術很大一部分源於文本情感分析。此處的文本與微博等社交網路不同，通常指“長文本”，如網路新聞、網民部落格、論壇帖子等。其主要分析方法分為：基於語義規則的情感分析方法、基於監督學習的情感分析方法和基於話題模型的情感分析方法。
二. 典型分析技術
1，基於語義規則的情感分析方法
基於語義規則的情感分析方法在情感詞典的基礎上，通過語義規則計算評價詞與情感詞典中種子詞的距離，從而達到情感分類的目的。基於語義規則的情感分析方法本質上是無監督學習方法，典型的算法是Peter D.Turney提出的SO-PIM算法。
2，基於監督學習的情感分析方法
有監督的情感分析模型主要包括樸素貝葉斯模型、最大熵模型和支持向量機模型。樸素貝葉斯方法通過訓練集學習先驗機率分布及條件機率分布，從而達到情感分類目的。最大熵的主要思想是在只掌握關於未知分布的部分知識時，應選擇符合這些條件但熵最大的機率分布。支持向量機採用間隔最大化求解最最佳化的分離超平面實現分類的目的。
3，基於話題模型的情感分析方法
基於話題模型PLSA或LDA，在話題模型的基礎上，增加情感詞變數，從而識別出所談論的話題以及情感傾向。PLSA和LDA都屬於貝葉斯生成模型，可參考《Pattern recognition and machine learning》詳細解讀。
