李天彩　王　波　毛二松　席耀一

(解放军信息工程大学　河南 郑州 450002)



基于Skip-gram模型的微博情感倾向性分析

李天彩王波毛二松席耀一

(解放军信息工程大学河南 郑州 450002)

摘要为了更好地对微博进行表示，提高微博情感倾向性识别的准确度，提出一种基于Skip-gram模型的微博情感倾向性分析方法。首先，使用Skip-gram模型在中文数据上进行训练得到词向量；然后，利用词向量在词语表示上的优势，以及一定程度上满足加法组合运算的特性，通过向量相加获得微博的向量表示以及正负情感向量；最后，通过计算微博向量和正负情感向量的相似度判断微博的情感倾向。在NLP&CC2012数据上进行实验，结果表明，该方法能够有效识别微博的情感倾向，较传统的JST(Joint Sentiment/Topic model)和ASUM(Aspect and Sentiment Unication Model)平均F1值分别提高了23%和26%。

关键词微博情感分析Skip-gram模型词向量微博向量

0引言

微博的情感倾向性分析是指对微博消息所表示的情感进行识别，判断它的倾向性是正面还是负面。根据中国互联网信息中心CNNIC(China Internet Network Information Center)2014年7月发布的全国互联网发展统计报告[1]指出，我国网民规模达6.32亿，其中微博用户2.75亿，占整体网民的43.6%。虽然较2013年的微博用户的数量略有下降，但是微博的平台效应更加明显，内容更加丰富，网民参与微博上的讨论，发表意见和看法的活动也越来越频繁。因此，对微博中包含的情感进行分析，获得网民对热点事件的情感倾向对舆情监测、辅助决策等具有重要的意义。

目前，情感倾向性分析主要包括基于规则和基于统计两类方法。……