-
公开(公告)号：CN108595515A
公开(公告)日：2018-09-28
申请号：CN201810248802.2
申请日：2018-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种结合微博弱关系的微博情感分析方法，属于文本分类技术领域，包含如下步骤：步骤(1)：计算微博之间的情感一致性关系矩阵，建立基于情感一致性的微博情感分析模型；步骤(2)：计算微博情绪感染性矩阵，建立基于情绪感染性的微博情感分析模型；步骤(3)：使用社区划分算法，计算微博弱关系矩阵，建立基于微博弱关系的微博情感分析模型；步骤(4)：结合步骤(1),步骤(2)和步骤(3)，得到综合模型，然后加入基于微博文本内容的情感分析模型并正则化，得到最终模型；步骤(5)：优化最终模型，解出微博情感分析器。本发明不仅利用了微博矩阵，还考虑了微博的文本内容，更加精确可信。
-
公开(公告)号：CN110188200A
公开(公告)日：2019-08-30
申请号：CN201910446241.1
申请日：2019-05-27
Applicant: 哈尔滨工程大学
IPC: G06F16/35 , G06F16/33 , G06F16/9536 , G06F17/27 , G06Q50/00
Abstract: 本发明属于自然语言处理领域，具体涉及一种使用社交上下文特征的深度微博情感分析方法。本发明方法包括以下步骤：1)采集微博数据并对其进行预处理。具体包括采集和预处理微博文本信息和发布微博的用户信息即社交上下文信息；2)使用一种深度学习方法对微博社交上下文信息进行表示，将每个微博表示成为连续分布的实数向量；3)建立一个基于长短期记忆网络的深度学习分类模型，结合微博文本特征和社交上下文特征对微博进行情感分析。本发明针对微博数据的特点，提取了微博文本之间的上下文信息，并对其进行表示，将其作为特征同文本信息一起进行微博文本情感分析，本发明方法能够提高微博情感分析的效果。
-
公开(公告)号：CN109508380A
公开(公告)日：2019-03-22
申请号：CN201910041751.0
申请日：2019-01-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种结合用户结构相似度进行微博情感分析的方法。方法包括以下步骤：(1)根据微博用户之间的关注关系，计算用户之间的结构相似度，建立用户相似度矩阵，即情绪感染性矩阵，同时建立情绪感染性模型；(2)根据社会学中的情感一致性理论，建立微博之间的情感一致性关系矩阵，同时建立情绪一致性模型；(3)使用前两步生成的模型，建立根据微博间关系矩阵形成的微博情感分析模型；(4)在前三步的基础上，加入使用微博文本内容的情感分析模型；(5)对第四步建立的模型进行优化，求解出微博情感分析器。本发明的优势在于针对微博数据的特点，提出了结合微博数据间关系的方法进行情感分析，有效的提高了微博情感分析的准确率。
-
公开(公告)号：CN109508380B
公开(公告)日：2021-07-16
申请号：CN201910041751.0
申请日：2019-01-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种结合用户结构相似度进行微博情感分析的方法。方法包括以下步骤：(1)根据微博用户之间的关注关系，计算用户之间的结构相似度，建立用户相似度矩阵，即情绪感染性矩阵，同时建立情绪感染性模型；(2)根据社会学中的情感一致性理论，建立微博之间的情感一致性关系矩阵，同时建立情绪一致性模型；(3)使用前两步生成的模型，建立根据微博间关系矩阵形成的微博情感分析模型；(4)在前三步的基础上，加入使用微博文本内容的情感分析模型；(5)对第四步建立的模型进行优化，求解出微博情感分析器。本发明的优势在于针对微博数据的特点，提出了结合微博数据间关系的方法进行情感分析，有效的提高了微博情感分析的准确率。
-
-
-
Search Results
4
records
(took 0.025 seconds)
