摘要：微博情感分析主要在于发现用户对某种热点事件的观点和态度，已有的研究，诸如SVM、CRF等传统算法，付出了昂贵的手工标注的代价。本文在研究情感分析、深度学习等技术的基础上，提出了一种新的技术方案：即通过网络爬虫技术从微博上抓取部分数据，经过词料预处理后，作为卷积神经网络的输入样本，并基于SVM/RNN构建分类器。最后在给定的测试集中判断每个句子的情感倾向性，实验结果良好。

关键词：微博情感分析；深度学习；卷积神经网络；分类器

中图分类号：TPl81 文献标识码：A DOI：10.3969/j.issn.1003 6970.2016.05.006

本文著录格式：刘艳梅.深度学习技术下的中文微博情感的分析与研究[J].软件，2016，37（5）：22-24

0.引言

随着移动互联网的发展，社交应用也进入到新的阶段，借助LBS、兴趣、通讯录等功能，以解决用户沟通、分享、服务、娱乐等为立足点，满足用户不同场景下需求。根据CNNIC对当前社交应用市场的分析，在综合社交领域，典型应用一微博，网民使用率33.5%。主要满足用户对兴趣信息的需求，是用户获取和分享“新闻热点”、“兴趣内容”、“专业知识”、“舆论导向”的重要平台。同时，在帮助用户基于共同兴趣拓展社交关系方面也起到了积极的作用。

情感分析，也称为观点挖掘，指的是分析说话者在传达信息时所隐含的情况状态、态度、意见进行判断或者评估。目前，情感分析的主要研究方法还是一些基于机器学习的传统算法，例如，SVM、信息熵、CRF等。这些方法归纳起来有3类：有监督学习、无监督学习和半监督学习。而当前大多数基于有监督学习的研究取得了不错的成绩。……