摘要
[目的/意义]为了提高网络舆情的情感分析效果,提出一种融入表情特征的多特征融合情感分析方法。[方法/过程]预处理后融合词典特征、表情特征、向量特征3个方面,利用支持向量机对某突发公共卫生事件的新浪微博数据进行情感倾向性研究,对比了不同特征构建方式的情感分析效果。[结果/结论]表情特征对网络舆情的情感分析效果影响显著,将表情特征单独作为情感分析的特征种类之一,并将其融入词典特征和向量特征,可以显著提高网络舆情的情感分析效果。
[Purpose/significance]In order to improve the effect of sentiment analysis of online public opinion,a multi-feature fusion sentiment analysis method integrating emoticon feature is proposed.[Method/process]After preprocessing,dictionary feature,emoticon feature and vector feature are combined to study the emotional orientation of sina Weibo data of a public health emergency by using support vector machine,and the effect of different feature construction methods is compared.[Result/conclusion]Emoticon feature has a significant impact on the sentiment analysis effect of online public opinion.Taking emoticon feature as one of the feature types of sentiment analysis and incorporating it into dictionary feature and vector feature can significantly improve the sentiment analysis effect of online public opinion.
作者
靳春妍
牟冬梅
王萍
邵琦
杨鑫禹
JIN Chun-yan;MU Dong-mei;WANG Ping;SHAO Qi;YANG Xin-yu(Public Health College,Jilin University,Changchun 130021;The First Hospital of Jilin University,Changchun 130021)
出处
《科技情报研究》
2020年第4期13-22,共10页
Scientific Information Research
基金
国家社会科学基金重大项目“大数据驱动的社交网络舆情主题图谱构建及调控策略研究”(编号:18ZDA310)。
关键词
情感分析
表情特征
网络舆情
多特征融合
sentiment analysis
emoticon feature
online public opinion
multi-feature fusion
作者简介
靳春妍,女,1994年生,硕士研究生,主要研究方向:数据整合与知识服务,E-mail:1569587163@qq.com;牟冬梅,女,1970年生,博士,教授,主要研究方向:数据整合与知识服务,E-mail:moudm@jlu.edu.cn;王萍,女,1990年生,博士研究生,主要研究方向:数据整合与知识服务,E-mail:wangpingjl@163.com;邵琦,女,1994年生,硕士研究生,主要研究方向:数据整合与知识服务,E-mail:982866875@qq.com;杨鑫禹,女,1996年生,硕士研究生,主要研究方向:数据整合与知识服务,E-mail:yxy2023@163.com。
