《Poster21多策略中文微博细粒度情绪分析研究课件.ppt》由会员分享，可在线阅读，更多相关《Poster21多策略中文微博细粒度情绪分析研究课件.ppt（12页珍藏版）》请在三一办公上搜索。
1、任务概述技术要点实验结果总结,任务概述,评测任务,微博情绪识别与分类（Close测试）： 对于输入的整条微博，本任务要求判断出该微博是否包含情绪。 对包含情绪的微博，要求判别其情绪分类输出为anger 愤怒、disgust 厌恶、fear 恐惧、happiness 高兴、like 喜好、sadness 悲伤、surprise 惊讶中的一种，即单分类输出。,评测任务微博情绪识别与分类（Close测试）：,任务概述技术要点实验结果总结,任务概述,技术要点,技术要点,技术要点一,朴素贝叶斯分类的特征词选择,i=0，判断某词在有情绪微博中的表征作用。i=1，判断某词在无情绪微博中的表征作用。对有无情绪
2、微博中的词性特征进行分析，筛选出表征能力强的词性特征。最终，经试验取k=4，n=20，得到了796个特征词和19种词性，组成了815个特征集合。,技术要点一朴素贝叶斯分类的特征词选择i=0，判断某词在有情,技术要点二,面向细粒度情绪的微博向量化,=0.9，=0.1， w表示属于第m维情感类的总词数，intension表示情感强度，polarity表示情感极性。对卡方检验的特征词进行情感强度和极性人工标注。（参考大连理工本体库）根据计算得到的特征词权重值，对分词后的微博进行向量化。,技术要点二面向细粒度情绪的微博向量化=0.9，=0.1,任务概述技术要点实验结果总结,任务概述,实验结果,情绪判别实验结果,情绪分类宏平均实验结果,实验结果情绪判别实验结果情绪分类宏平均实验结果,实验结果,情绪分类微平均实验结果,实验结果情绪分类微平均实验结果,任务概述技术要点实验结果总结,任务概述,总结,分阶段进行微博情绪分析的方案比较理想。无论是情绪分类还是情绪判别，特征词的选择，微博的特征化都是非常重要的环节。本次实验并未对分类算法进行改进，将是下一步工作的重点。,总结分阶段进行微博情绪分析的方案比较理想。,谢 谢！,南华大学 计算机科学与技术学院,谢 谢！南华大学 计算机科学与技术学院,
