郝 苗，陳臨強(qiáng)

(杭州電子科技大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310018)

近年來，隨互聯(lián)網(wǎng)技術(shù)、移動(dòng)終端技術(shù)的迅速發(fā)展，我國微博用戶數(shù)量激增，尤其以新浪微博為主，產(chǎn)生的微博文本數(shù)量也迅速增長。Web2.0的提出與興起使互聯(lián)網(wǎng)賦予網(wǎng)民更多主動(dòng)，社交媒體成為用戶獲取、分享、發(fā)表信息的平臺(tái)。據(jù)第43次“中國互聯(lián)網(wǎng)發(fā)展統(tǒng)計(jì)報(bào)告”，到2018年12月為止，中國網(wǎng)民數(shù)量高達(dá)8.29億，滲透率約59.6%，移動(dòng)互聯(lián)網(wǎng)用戶數(shù)達(dá)到8.17億，網(wǎng)民接入互聯(lián)網(wǎng)比例高達(dá)98.6%，移動(dòng)互聯(lián)網(wǎng)已滲透到生活的各個(gè)方面[1]。2019年3月中旬，相關(guān)部門發(fā)布“2018年微博用戶發(fā)展報(bào)告”，報(bào)告顯示，截至2018年4月底，微博中每月活躍人口總數(shù)為4.62億，每日活躍用戶則達(dá)到2億，相比較去年同期增長了25%[2]。數(shù)量龐大的微博文本，已經(jīng)能夠作為情感分析的重要數(shù)據(jù)來源。“情感分析”也稱意見挖掘，通過處理文本獲得情感傾向，從而獲得人群網(wǎng)絡(luò)文本的情感傾向，為輿情監(jiān)控、預(yù)測(cè)、引導(dǎo)提供了重要指導(dǎo)意見，也有助于改進(jìn)產(chǎn)品服務(wù)及預(yù)測(cè)信息走勢(shì)。情感分析研究所面臨的困難源于兩個(gè)方面：(1)文本情感分析技術(shù)涉及領(lǐng)域廣，例如數(shù)據(jù)挖掘、自然語言處理、機(jī)器學(xué)習(xí)等，這些技術(shù)理論知識(shí)復(fù)雜，難以掌握；(2)現(xiàn)有文本情感分析技術(shù)準(zhǔn)確度不高。因此，有必要提出一個(gè)準(zhǔn)確、有效的方法來提高文本情感分析準(zhǔn)確性。

本文的主要貢獻(xiàn)有：利用 Hownet 相似度整合現(xiàn)有詞典；利用 PMI(Pointwise Mutual Information) 算法對(duì)現(xiàn)有詞典擴(kuò)充，構(gòu)建符合新浪微博短文本表達(dá)特點(diǎn)的微博專用情感詞典；收集新浪微博“熱點(diǎn)”部分微博，對(duì)微博進(jìn)行清洗、過濾、分詞等預(yù)處理；結(jié)合微博專用情感詞典訓(xùn)練Bayes分類器得到情感分析模型。

1 相關(guān)工作

情感分析是對(duì)公眾在社交媒體中發(fā)表的評(píng)論性文本進(jìn)行主觀意見挖掘，情感分析的結(jié)果能夠判斷研究對(duì)象的情感傾向。最早的情緒分析研究始于國外，基于情感詞典的分析方法，其結(jié)果準(zhǔn)確性取決于詞典涵蓋某領(lǐng)域的完整程度，以及詞典標(biāo)注的準(zhǔn)確程度。微博文本中的新詞是無窮無盡的，新的在線詞匯迅速出現(xiàn)對(duì)情緒分析的準(zhǔn)確性產(chǎn)生了重要影響。同時(shí)中文表達(dá)的含義豐富多樣，僅依靠情感詞典難以得到準(zhǔn)確的情感分析結(jié)果?；诒O(jiān)督學(xué)習(xí)的方法能夠避免人工帶來的誤差，其準(zhǔn)確性依賴于文本特征的提取，但是需要大量標(biāo)注訓(xùn)練集才能得到準(zhǔn)確的訓(xùn)練結(jié)果[3-5]。文本情感分析的關(guān)鍵是找到情感詞提取關(guān)鍵字并建立情感分析模型，最后對(duì)文本進(jìn)行情感傾向的分析。

文本情感分析從3個(gè)層次出發(fā)，分別是詞語級(jí)、句子級(jí)、篇章級(jí)。對(duì)于詞語級(jí)別的情感分析，文獻(xiàn)[6]提出形容詞在句子情感分析中占主導(dǎo)，在句子級(jí)的極性傾向計(jì)算中有較好的體現(xiàn)。例如句子是由詞語組成的，通過提取其中的關(guān)鍵詞，進(jìn)行語義情感分析，從而得到詞語的極性傾向值，這個(gè)傾向值就是整個(gè)句子的語義極性傾向。但實(shí)際上對(duì)于句子級(jí)情感分析，僅通過對(duì)單個(gè)詞語分析來確定句子整體傾向并不是最好的方式。文獻(xiàn)[7]提出通過詞組進(jìn)行分析，因?yàn)橄鄬?duì)于單一詞語，用詞組表現(xiàn)情感更準(zhǔn)確、直觀。他們也通過相關(guān)的實(shí)驗(yàn)，如抽取語料庫中的詞組，系統(tǒng)根據(jù)這些詞組進(jìn)行分析，得出對(duì)應(yīng)的語義傾向，最后計(jì)算這些傾向值的平均值，用均值代表整句情感。除此之外，文獻(xiàn)[8]提出另外一種基于情感詞典的無監(jiān)督方法。該方法最初應(yīng)用于句子的情感分析[9]，通過計(jì)算情感詞典中情感強(qiáng)度和情感詞匯的關(guān)聯(lián)度獲得情感分值，以及文本情感分析。

文獻(xiàn)[10]在文本情感分析方面做了大量實(shí)驗(yàn)。實(shí)驗(yàn)以表情符號(hào)為基礎(chǔ)，首先采集大量的表情符號(hào)構(gòu)建情感詞典，然后將詞典應(yīng)用于社交網(wǎng)絡(luò)平臺(tái)，最后經(jīng)試驗(yàn)得到較準(zhǔn)確的分析結(jié)果。利用傳統(tǒng)的特征提取方法，或者詞向量與機(jī)器學(xué)習(xí)算法相的組合，是情感分析領(lǐng)域的熱點(diǎn)問題之一。文獻(xiàn)[11]針對(duì)網(wǎng)上在線招聘廣告，建立薪水預(yù)測(cè)模型幫助求職者選擇合適職位，利用文本深度表示模型Doc2vec計(jì)算文本的特征向量,更深入地表示文本語義特征。此外，其結(jié)合隨機(jī)森林、支持向量機(jī)(Support Vector Machine, SVM)，例如使用SVM建立薪資預(yù)測(cè)模型，將 Doc2vec模型與詞頻逆向文件頻率模型(Term Frequency-Inverse Document Frequency，TF-IDF)、Word2vec 進(jìn)行比較，發(fā)現(xiàn)Doc2vec 可以在薪資預(yù)測(cè)中取得更令人滿意的預(yù)測(cè)效果。文獻(xiàn)[12]使用 Word2vec 模型，并在此基礎(chǔ)上將其與TF-IDF 權(quán)重計(jì)算方法相結(jié)合，將微博轉(zhuǎn)換為文本向量的形式，用 K-means 聚類算法對(duì)微博數(shù)據(jù)聚類處理，得到文本的相關(guān)主題。文獻(xiàn)[13]提出了詞向量(Word Embedding 或者 Distributed Representation)的思想?！霸~向量”是一個(gè)向量，是低維稠密的特征表達(dá)形式，用于解決維數(shù)災(zāi)難問題。由于向量本身具有信息量，使用詞向量時(shí)，可使用向量余弦距離表示詞語之間的語義距離[14]。

2 整體框架

本文所提出解決微博文本情感分析問題的整體框架，由兩部分組成：第一構(gòu)建微博專用情感詞典；第二結(jié)合貝葉斯分類算法訓(xùn)練分類器對(duì)微博文本進(jìn)行情感分析。整體框架如圖1所示。

圖1 微博情感分析整體框架

2.1 構(gòu)建專用詞典

情感分析研究中常用的詞典有：近義詞及其褒貶詞詞典、清華大學(xué)褒貶義詞典、NTUSD臺(tái)灣大學(xué)中文情感詞典、知網(wǎng)Hownet情感詞典[15]、情感詞典及其分類、漢語極性詞極值表、情感詞匯本體，各詞典特征如表1所示。本文將5個(gè)標(biāo)注極性分類的詞典直接合并，沒有極性標(biāo)注的詞典利用下述規(guī)則合并，并添加網(wǎng)絡(luò)新詞構(gòu)建完整詞典。

表1 情感詞典

2.2 算法原理

(1)利用知網(wǎng)(Hownet)相似度合并詞典。對(duì)于多類別情感詞典，使用Hownet相似度進(jìn)行合并，文獻(xiàn) [16]是對(duì)中英文單詞所代表的概念的描述。Hownet提供很多有關(guān)文本處理的功能，例如詞性標(biāo)注、文本相似度計(jì)算等，其中語義相似度計(jì)算和語義相關(guān)場(chǎng)的計(jì)算在本研究中尤為重要，且使用語義相似度計(jì)算文本情緒值準(zhǔn)確度更高?！罢Z義相似度”反映語義的近似程度，可以理解為兩個(gè)詞語在不同語句中能夠相互替換且不改變句子原本意義的程度。詞語的情感傾向由它與基準(zhǔn)詞的語義相似度決定，與積極詞典中的基準(zhǔn)詞相似度大表示傾向積極，反之傾向于消極。

待分析詞語計(jì)算得到的情感值用so_Hownet(Word)表示，調(diào)用Hownet相似度接口計(jì)算詞語相似度，情感傾向計(jì)算式為式(1)。

(1)

用Hownet相似度計(jì)算情感值，首先選取褒義詞、貶義詞兩組基準(zhǔn)詞，調(diào)用Hownet API計(jì)算相似度，根據(jù)相似度對(duì)詞語進(jìn)行情感極性判斷。其中，sim(Word,posi)和sim(Word,negi)代表Word與褒義詞、貶義詞的相似度。so_Hownet(Word)的值為“正”表示詞語褒義。為“負(fù)”表示貶義，設(shè)置相似度閾值為θ1，以詞語相似度為標(biāo)準(zhǔn)將詞語劃分進(jìn)詞典；

(2)利用PMI添加網(wǎng)絡(luò)新詞。將PMI用在情感極性計(jì)算上，擴(kuò)充情感詞典，PMI是一種基于統(tǒng)計(jì)的計(jì)算方法。該算法計(jì)算語料庫中目標(biāo)詞與基準(zhǔn)詞之間的關(guān)聯(lián)程度，并計(jì)算目標(biāo)詞的情感值[17-18]。情緒基準(zhǔn)詞集合為Pi={P1，P2，P3，…，Pn}(i= 1,2,3,…)，n表示基準(zhǔn)詞個(gè)數(shù)。目標(biāo)詞集合為C，其中每個(gè)目標(biāo)詞cj(j=1，2，3，…)與基準(zhǔn)詞的PMI值計(jì)算式為

(2)

計(jì)算詞語概率

(3)

(4)

(5)

其中，count(pi,cj)、count(pi)、count(cj)分別表示cj與pi共同出現(xiàn)的次數(shù)、pi出現(xiàn)的次數(shù)，cj出現(xiàn)的次數(shù)、q表示語料庫文本總條數(shù)。將式(3)～式(5)帶入式(2)得式(6)。

(6)

為防止目標(biāo)詞與基準(zhǔn)詞在同一文本中次數(shù)為0沒有意義，引入拉普拉斯平滑因子

(7)

引入平滑因子后PMI計(jì)算式如下。

(8)

SO_PMI(pi,Bi)=PMI(pi,Bpi)-PMI(pi,Bni)

(9)

計(jì)算目標(biāo)詞與兩極性基準(zhǔn)詞Bpi及Bni的PMI，求得的差值結(jié)果為正，表示待計(jì)算網(wǎng)絡(luò)詞為積極詞語，為負(fù)表示該網(wǎng)絡(luò)詞為消極詞語，差值的絕對(duì)值大小表示傾向強(qiáng)度。設(shè)傾向性閾值θ2，將閾值劃分的詞語分別加入pos詞典(褒義詞典)、neg詞典(貶義詞典)。專用詞典構(gòu)建流程如圖2所示。

圖2 情感詞典構(gòu)建流程

2.3 訓(xùn)練貝葉斯分類器

樸素貝葉斯分類器[18]算法簡單，對(duì)待分類項(xiàng)目給定輸出，將各類別出現(xiàn)概率的大小認(rèn)定為分類項(xiàng)目所屬類別。樸素貝葉斯分類模型參數(shù)少，且對(duì)缺失值不敏感，適應(yīng)微博短文本表達(dá)特點(diǎn)，適合用于微博情感分析中。貝葉斯算法原理如下

(10)

其中，w表示文本，由文本特征值{F1，F(xiàn)2，F(xiàn)3，…}描述，特征值由TF-IDF統(tǒng)計(jì)得到；c表示文本所屬類別；P(C)表示某一類別出現(xiàn)的概率；P(W|C)表示某類別情況下文本出現(xiàn)的概率。計(jì)算式如下

P(W|Ci)=P(F1|Ci)P(F2|Ci)P(F3|Ci)…

P(Fi|Ci)

(11)

(12)

(13)

式中，Nj表示特征文本在Ci類中出現(xiàn)的次數(shù)；N表示屬于Ci類的文本出現(xiàn)的總次數(shù)；Mj表示某種類別出現(xiàn)的次數(shù)；M表示所有類別出現(xiàn)的總次數(shù)。另外，由于進(jìn)行分類時(shí)只比較概率大小，不再對(duì)分母P(W)進(jìn)行計(jì)算。

貝葉斯算法對(duì)文本分類問題的描述為

(14)

式中，F(xiàn)i表示微博文本特征詞語。為避免在計(jì)算特征詞類別概率為0的情況，概率公式引入Laplace平滑因子

(15)

其中，α表示特征的個(gè)數(shù)，同理可得式(16)。

(16)

2.4 結(jié)合詞典與監(jiān)督學(xué)習(xí)方法計(jì)算情緒值

(1)微博文本進(jìn)行分詞預(yù)處理，本文采用Jieba分詞技術(shù)獲取中文分詞結(jié)果；

(2)逐個(gè)查找并匹配詞典中分詞的結(jié)果，在相應(yīng)詞典中找到詞語以及標(biāo)簽，直到句子結(jié)束；

(3)根據(jù)識(shí)別到的情緒詞計(jì)算微博情感值，根據(jù)情感值的大小判斷微博所屬分類。

3 微博數(shù)據(jù)準(zhǔn)備

將情感分析的研究用于解決文本情感識(shí)別和分類問題時(shí)，需要大量真實(shí)微博數(shù)據(jù)進(jìn)行試驗(yàn)。本文使用八爪魚(Octopus)數(shù)據(jù)采集器設(shè)置采集字段進(jìn)行數(shù)據(jù)采集，并刪除沒有情感分析價(jià)值的微博。

3.1 數(shù)據(jù)采集

收集微博文本是情緒分類實(shí)驗(yàn)的數(shù)據(jù)基礎(chǔ)，采集新浪微博 “熱門”部分的微博，采集字段為 “微博內(nèi)容” 、“微博發(fā)布時(shí)間”、 “點(diǎn)贊數(shù)”、 “轉(zhuǎn)發(fā)數(shù)”、“評(píng)論數(shù)”等，按照設(shè)置規(guī)則獲取“熱門”部分的全部微博。

由于獲得的微博數(shù)量龐大，采集時(shí)適當(dāng)延長數(shù)據(jù)返回時(shí)間，設(shè)置自動(dòng)翻頁循環(huán)，減少操作次數(shù)和時(shí)間。如圖3所示，微博文本按照指定字段得到采集結(jié)果，并導(dǎo)出采集結(jié)果。

圖3 數(shù)據(jù)采集過程

3.2 數(shù)據(jù)預(yù)處理

獲取到新浪微博“熱點(diǎn)”部分的微博不能直接被使用，需要對(duì)這些數(shù)據(jù)進(jìn)行清洗、分詞等預(yù)處理。首先，清除含有異常字符的微博；然后清除沒有情感分析價(jià)值的微博，例如用于營銷、活動(dòng)推廣的帶有網(wǎng)絡(luò)鏈接的博文，出現(xiàn)“領(lǐng)取”“紅包”等詞語的微博，或者單純圖片轉(zhuǎn)發(fā)微博等。經(jīng)過清洗與篩選之后得到的一部分?jǐn)?shù)據(jù)，如表2所示。

表2 微博數(shù)據(jù)清洗結(jié)果

數(shù)據(jù)清洗部分完成對(duì)微博數(shù)據(jù)的粗略篩選，去掉沒有分析價(jià)值的微博；然后進(jìn)行分詞處理，本文使用Python版本 Jieba進(jìn)行分詞。

為增加網(wǎng)絡(luò)詞的識(shí)別情況，載入網(wǎng)絡(luò)詞典，載入詞典的核心代碼：jieba.load_userdict(“%vlogdic.txt”)。分詞處理得到的結(jié)果如表3所示。

表3 分詞結(jié)果

載入網(wǎng)絡(luò)詞典之后，微博文本網(wǎng)絡(luò)詞識(shí)別能力有所提高，應(yīng)用在情感極性計(jì)算上也更加合理。

4 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)用3個(gè)真實(shí)微博數(shù)據(jù)集來測(cè)試情感分析模型的性能，數(shù)據(jù)集包括：4月上旬連續(xù)半個(gè)月的微博數(shù)據(jù)、4月下旬連續(xù)半個(gè)月的微博數(shù)據(jù)及標(biāo)準(zhǔn)集(NLPCC2013會(huì)議提供的微博情感測(cè)試數(shù)據(jù)集)。本文從準(zhǔn)確率和網(wǎng)絡(luò)詞識(shí)別度來評(píng)價(jià)模型性能。實(shí)驗(yàn)環(huán)境為Intel(R)Core(TM)i7-2600 ，Windows 7系統(tǒng)， 4 GB內(nèi)存。

4.1 構(gòu)建微博專用情感詞典

將現(xiàn)有的基礎(chǔ)詞典融合構(gòu)建微博專用情感詞典，其中二分類詞典包括積極、消極兩種詞典；多分類詞典按照其分類標(biāo)準(zhǔn)分成多個(gè)類。對(duì)詞典中詞語的信息進(jìn)行統(tǒng)計(jì)，具體內(nèi)容如表4所示。

表4 基礎(chǔ)詞典內(nèi)容

首先合并二分類詞典；然后合并多分類詞典，調(diào)用Hownet詞語相似度接口。先計(jì)算“類別詞”與基準(zhǔn)情緒詞的相似度，將相似度大于0.95的直接劃分進(jìn)詞典中，若類別詞相似度低，則逐個(gè)計(jì)算分類中詞語相似度，直接舍棄相似度低于0.95的詞語。然后添加網(wǎng)絡(luò)詞，篩選出有情感傾向的網(wǎng)絡(luò)新詞添加到詞典中。從情感詞中分別挑選積極、消極情緒值絕對(duì)值最大的12對(duì)詞，并將有情感傾向的網(wǎng)絡(luò)詞作為基準(zhǔn)詞，在語料庫中計(jì)算從網(wǎng)詞網(wǎng)獲取的400個(gè)詞語情緒傾向(語料庫使用的是“網(wǎng)詞網(wǎng)”中所有網(wǎng)絡(luò)詞的解析數(shù)據(jù))。最后，按照計(jì)算結(jié)果將網(wǎng)絡(luò)詞添加到詞典中。

4.2 數(shù)據(jù)集

對(duì)微博主題情感分析的研究是當(dāng)前研究的熱點(diǎn)問題。微博平臺(tái)上數(shù)據(jù)量巨大，然而，在科學(xué)研究中用于實(shí)驗(yàn)比較的標(biāo)準(zhǔn)數(shù)據(jù)集很少，因此，本實(shí)驗(yàn)自行構(gòu)造了數(shù)據(jù)集擴(kuò)充數(shù)據(jù)。

使用NLPCC2013會(huì)議提供的微博情感測(cè)試數(shù)據(jù)集以及采集得到的4月微博文本(分為上半月、下半月)兩類數(shù)據(jù)進(jìn)行試驗(yàn)，3個(gè)數(shù)據(jù)集記為First-Three、Mid- Three、Last- Three。

4.3 情緒分類正確率分析

本文采用最直接的準(zhǔn)確率作為分析指標(biāo)，并特別抽出具有網(wǎng)絡(luò)詞的微博文本，使用不同詞典以及純監(jiān)督學(xué)習(xí)方法進(jìn)行情感分析準(zhǔn)確率比較。訓(xùn)練模型對(duì)文本進(jìn)行情感分析得到的結(jié)果為(0,1)范圍的情感值，情感值絕對(duì)值越大表明極性越積極，反之消極。根據(jù)情緒值大小將情緒細(xì)分為“重度積極”、“ 一般積極”、“ 中性”、“一般消極”以及“重度消極”。然后計(jì)算分析的準(zhǔn)確率。載入不同情感詞典，比較準(zhǔn)確率，其中“dic1”代表褒貶義及其近義詞詞典，“dic2”表示清華大學(xué)中文詞典，“dic3” 表示NTUSD臺(tái)灣大學(xué)中文詞典，“dic4”代表知網(wǎng)Hownet詞典，“dic5”代表變形極性詞匯本體，“dic6”代表本文提出的微博專用詞典，實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 不同詞典準(zhǔn)確率比較

使用6個(gè)不同詞典測(cè)試同一數(shù)據(jù)集情感并分析結(jié)果的準(zhǔn)確性，實(shí)驗(yàn)表明用文本提出方法構(gòu)建的微博專用情感詞典(“dic6”)準(zhǔn)確性最好。

針對(duì)文本情感分析問題研究標(biāo)準(zhǔn)數(shù)據(jù)集(NLPCC2013會(huì)議提供的情感分析數(shù)據(jù)集)，使用5-折交叉驗(yàn)證的方式，比較結(jié)合詞典和貝葉斯分類算法與單獨(dú)使用貝葉斯分類算法訓(xùn)練得到的分類效果，實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 監(jiān)督學(xué)習(xí)和詞典結(jié)合方法與監(jiān)督學(xué)習(xí)方法準(zhǔn)確率比較

圖5中詞典和貝葉斯結(jié)合的分類方法效果優(yōu)于單獨(dú)使用貝葉斯分類。使用采集得到的3條極性不同且?guī)в芯W(wǎng)絡(luò)詞的微博文本，以及情感極性明顯的3條微博文本進(jìn)行試驗(yàn)，載入不同詞典得到的試驗(yàn)結(jié)果如表5所示。

表5 文本分析樣例

其中，“文本1”代表“我很高興”(重度積極，用“++”表示)，“文本2”代表“我很難過”(重度消極，用“--”)，“文本3”代表“好嗨呦，離開閔行已經(jīng)十天了”( 重度積極，用“++”表示)，“文本4”代表“藍(lán)瘦，剪頭發(fā)第一天”(消極，用“-”表示)，“文本5”代表“高數(shù)考試啊，使出洪荒之力了”( 消極，用“-”表示)，“文本6”代表“造飛機(jī)導(dǎo)彈尼瑪當(dāng)玩具啊？！”(消極，用“-”表示)。

對(duì)比上述6種詞典的分析結(jié)果，“文本4”顯然是消極的，但是由于常用詞典對(duì)網(wǎng)絡(luò)詞沒有識(shí)別能力，對(duì)情感判斷存在誤差。僅用本文提出的方法構(gòu)建專用情感詞典對(duì)含有網(wǎng)絡(luò)詞的微博具有識(shí)別能力，得到了更為準(zhǔn)確的分析結(jié)果。

4.4 微博文本情緒測(cè)試

實(shí)驗(yàn)所用的數(shù)據(jù)采集自新浪微博“熱點(diǎn)”部分，用本文提出的微博文本情感分析方法計(jì)算博文情感值，并將結(jié)果記錄下來。實(shí)驗(yàn)以天為單位記錄整月微博的文本情緒分析情況，如圖6所示。

圖6 整月熱點(diǎn)微博文本情緒走向

通過對(duì)微博文本進(jìn)行情緒分析能夠了解網(wǎng)民情緒趨勢(shì)，可以作為輿情監(jiān)控的基礎(chǔ)，情緒正負(fù)的極值點(diǎn)表明當(dāng)日有特殊事件發(fā)生。

5 結(jié)束語

本文對(duì)數(shù)據(jù)量龐大的微博“熱點(diǎn)”部分真實(shí)數(shù)據(jù)進(jìn)行情感分析，使用Hownet相似度計(jì)算方法整合現(xiàn)有詞典，采用PMI算法構(gòu)建網(wǎng)絡(luò)詞典，識(shí)別網(wǎng)絡(luò)詞的情緒傾向，使所構(gòu)建詞典更加適應(yīng)微博文本短小、新穎、時(shí)代性強(qiáng)的特點(diǎn)。本文利用Bayes算法，將詞典與Bayes相結(jié)合，詳細(xì)介紹了詞典構(gòu)建的過程，并對(duì)多種詞典進(jìn)行文本情感分析的結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，采用本文所提方法進(jìn)行情緒分析可以有效提高準(zhǔn)確度。情感分析在輿情分析等方面具有重要的理論和應(yīng)用價(jià)值，其中分類的準(zhǔn)確性作為重要基礎(chǔ)，有決定性作用。未來有兩個(gè)方向還需要繼續(xù)研究：一個(gè)是收集網(wǎng)絡(luò)新詞，完善現(xiàn)有詞典；另一個(gè)是訓(xùn)練細(xì)粒度的分類模型，使分析模型細(xì)化為多種情緒模型，從而產(chǎn)生更加直觀的效果。