基于双重特征协同演化的情感增量模型构建方法研究

摘要

随着互联网技术的快速发展和大面积普及，互联网已经融入人们日常的工作和平常生活的方方面面，大有取代以电视和报纸为代表的传统信息传播媒介的趋势，成为社会主流的信息传播媒介。近年来，因国内外社交网络传播而引起的重大社会事件倍增，给国家的公共安全和社会稳定带来了非常大的压力。因此，深入分析社交网络中的用户情感状态，揭示用户情感之间的传播规律和本质特征，能够为管理、运用和正确把握舆论导向提供机遇，同时对净化网络环境具有广泛而现实的意义。
　　针对传统的网络情感分析，只考虑网络节点的情感特征，而忽略了网络节点的社会特征。这样会导致周围环境对用户情感的影响被忽略，而许多情况下用户的情感突变都是受到关系紧密的用户的影响，所以对用户情感预测的准确率会出现较大波动。本文提出基于双重特征协同演化的情感增量模型将在社会关系和历史情感两方面对网络节点的情感的影响。因为情感虽然是不断演化的，但是其演化过程是一个相对缓慢的过程，采取增量的方式即可达到目标，无需对所有的历史数据进行分析来获取情感演化模型。所以，提出记忆时间窗口的网络节点情感衰减计算和基于社会特征的网络节点情感惩罚与增益参数设定，从而对节点的自身情感影响和社会关系对自身情感影响进行计算。然后，将两方面的影响协同演化构建出新的情感模型。这样不仅能够提高情感预测的准确率而且能够使得计算的稳定性得到极大的提高。
　　本文使用基于概率因子图的梯度下降算法，将部分微博、人人网等社交网络抓取的数据对模型进行训练。训练后的模型对剩余数据进行预测检验。通过实验结果建立的混淆矩阵表明，基于双重特征协同演化的情感增量模型在准确率、召回率等衡量模型实用性的多项指标上都要好于传统的SVM分类方法，而且数据集的数据量更少。因此基于双重特征协同演化的情感增量模型比传统的情感分析模型准确率更高，而且稳定性更高，处理结果更具有可信度。

目录

声明

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1情感计算研究现状发展动态分析

1．2．2社交网络情感分析研究现状发展动态分析

1．3论文主要研究内容

1．4论文组织结构

第2章相关理论与研究方法

2．1用户关系网络及交互信息抽取

2．2用户情感标签提取

2．2．1特征抽取工具

2．2．2特征提取算法

2．3情感计算方法

2．3．1概率因子图

2．3．2梯度下降算法

2．4本章小结

第3章基于双重特性协同演化的情感增量模型构建方法

3．1网络节点情感惩罚与增益参数设定

3．1．1确定权重计算方法

3．1．2改进权重计算中的评价因子

3．1．3社会特征数学模型建立

3．2基于时间窗口的网络节点情感衰减计算

3．3双重特征下情感增量模型构建

3．4本章小结

第4章实验与结果分析

4．1实验环境

4．2评价标准及实验数据集

4．2．1实验数据集建立

4．2．2评价标准

4．3参数分析

4．4实验结果与分析

4．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢