韩 萍 刘 爽 贾云飞 孙佳慧

1(中国民航大学电子信息与自动化学院 天津 300300)2(中国民航大学计算机科学与技术学院 天津 300300)3(中国民航大学基础实验中心 天津 300300)

0 引 言

由于社交媒体的普及和发布信息的低门槛，来自社交媒体的情绪和观点能提供最新最广泛的信息。其中，微博改变了传统的社交网络交流方式，以其短小精炼与实时的特点，迅速成为极具人气的社交网络平台与新媒体平台。新浪微博2019年第三季度财报显示，截至2019年9月底，微博日活跃用户增至2.16亿。对微博进行情感分析不仅对传统消费者和企业收集有关产品或服务的意见具有重要意义，而且对国家安全和舆情分析也具有重要作用[1]。目前主流的情感分析方法有以下三种：基于情感知识、基于特征分类和基于深度学习的方法[2-4]。基于情感知识的方法通过构建情感词典，结合情感词典中的语义规则，进行情感计算来实现情感极性判别。文献[5]通过N-gram特征构建两级情感词典取得92.50%的准确率。但是随着网络新词的不断涌现以及表情符号等非文字的表达形式的出现，显然依赖情感词典的构建不能完全表达整体的语义关系。基于特征分类的方法是提取文本中携带情感信息的有用特征并通过机器学习方法将其视为分类问题来处理[6]。文献[7]首次提出使用机器学习方法进行情感分类，并使用朴素贝叶斯、支持向量机和最大熵等方法进行尝试。传统的机器学习方法仍然依赖于人工设计，而人工设计的特征具有一定的局限性，在某一领域的特征集不一定适用于其他领域。……