《面向微博的社会情绪词典构建及情绪分析方法研究》学习笔记

标签：试验   size   利用   筛选   深度学习   增量   学习   方法   生成   

　　1. 目的：

　　　　　　探索一种面向微博的社会情绪词典构建方法；

　　2. 步骤：

　　　　　　1）通过手工方法建立小规模的基准情绪词典；

　　　　　　2）利用深度学习工具 Word2vec对社会热点事件的微博语料通过增量式学习方法来扩展基准词典，并结合 HowNet词典匹配和人工筛选生成最终的情绪词典；

　　3. 试验阶段：

　　　　　　分别利用基于情绪词典和基于SVM的情绪方法对实验标注语料进行情绪分析；

　　4. 结果分析：

　　　　　　结果对比分析表明基于词典的情绪分析方法优于基于SVM的情绪分析方法，前者的平均准确率和召回率比后者分别高13.9%和1.5%；

　　5. 应用：

　　　　　　运用所构建的情绪词典对热点公共事件进行情绪分析，实验结果表明该方法是有效的。

《面向微博的社会情绪词典构建及情绪分析方法研究》学习笔记

标签：试验   size   利用   筛选   深度学习   增量   学习   方法   生成   

原文地址：http://www.cnblogs.com/flippedkiki/p/6926239.html