基于微博文本数据分析的社会群体情感可视计算方法研究

doi:10.13209/j.0479-8023.2016.021

北京大学学报（自然科学版） ›› 2016, Vol. 52 ›› Issue (1): 178-186.DOI: 10.13209/j.0479-8023.2016.021

基于微博文本数据分析的社会群体情感可视计算方法研究

刘翠娟^1,2, 刘箴¹, 柴艳杰¹, 方昊¹, 刘良平¹

1. 宁波大学信息科学与工程学院, 宁波 315211
2. 浙江万里学院智能控制研究所, 宁波 315100

收稿日期:2015-06-19 出版日期:2016-01-20 发布日期:2016-01-20
通讯作者: 刘箴, E-mail: liuzhen(at)nbu.edu.cn
基金资助:
国家自然科学基金(61373068)、宁波市科技计划项目(2015A610128, 2015C50053, 2015D10011, 2014C50018)、高等学校博士学科点专项科研基金(20133305110004)和浙江省教育厅科研项目(Y201431792)资助

Research on the Visualization Method of Social Crowd Emotion Based on Microblog Text Data Analysis

LIU Cuijuan^1,2, LIU Zhen¹, CHAI Yanjie¹, FANG Hao¹, LIU Liangping¹

1. Faculty of Information Science and Technology, Ningbo University, Ningbo 315211
2. Intelligent Control Research Institute, Zhejiang Wanli University, Ningbo 315100

Received:2015-06-19 Online:2016-01-20 Published:2016-01-20
Contact: LIU Zhen, E-mail: liuzhen(at)nbu.edu.cn

摘要/Abstract

摘要：

针对已有的情感分析研究多侧重在情感的倾向性方面, 缺乏对各类情感的详细描述, 不能形象直观地反映社会群体的情感变化的问题, 提出一种基于依存句法和人工标注相结合的情感分析方法。该方法采用三维立体的人脸表情进行情感分析, 形象地呈现社会群体的情感变化。对于不同的社会事件, 以可视化方式来展现不同地区微博群体的情感。实验结果表明, 该模型可以有效地描述人群情感, 研究结果为基于大数据的网络舆情分析提供了一种新思路。

关键词: 文本分析, 微博, 情感分析, 可视计算

Abstract:

Existing sentiment analysis focus on the emotional tendency, which are lack of detailed description of all kinds of emotions, they can’t intuitively reflect the emotional change of social groups. An emotional analysis method based on the combination of dependency parsing and artificial tagging was proposed. Facial expression animation to present emotions analysis was realized. The microblog crowd’s emotion in different areas for different social events was visualized. The experimental results show that the model could closely and effectively simulate the crowd emotion, and it could provide a new way of the analysis of network public opinion based on large data.

Key words: text analysis, microblog, sentiment analysis, visual computing

中图分类号:

TP391

刘翠娟, 刘箴, 柴艳杰, 方昊, 刘良平. 基于微博文本数据分析的社会群体情感可视计算方法研究[J]. 北京大学学报（自然科学版）, 2016, 52(1): 178-186.

LIU Cuijuan, LIU Zhen, CHAI Yanjie, FANG Hao, LIU Liangping. Research on the Visualization Method of Social Crowd Emotion Based on Microblog Text Data Analysis[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016, 52(1): 178-186.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2016.021

https://xbna.pku.edu.cn/CN/Y2016/V52/I1/178

[1]	张亚洲, 王梦遥, 戎璐, 俞洋, 赵东明, 秦璟. ChatGPT可否充当情感专家？——调查其在情感与隐喻分析的潜力[J]. 北京大学学报自然科学版, 2024, 60(1): 43-52.
[2]	黄晋, 许实, 蔡而聪, 吴志杰, 郭美美, 朱佳. 基于多通道压缩双线性池化的情感‒原因句子对提取模型[J]. 北京大学学报自然科学版, 2022, 58(1): 21-28.
[3]	吴良庆, 刘启元, 张栋, 王建成, 李寿山, 周国栋. 基于情感信息辅助的多模态情绪识别[J]. 北京大学学报自然科学版, 2020, 56(1): 75-81.
[4]	丛丽, 肖张锋, 肖书文. 野生动物旅游地游憩机会谱建构——以成都大熊猫繁育研究基地为例[J]. 北京大学学报自然科学版, 2019, 55(6): 1103-1111.
[5]	侯玉波, 葛枭语. 使用社交媒体能提升用户的社交自我效能感吗?[J]. 北京大学学报自然科学版, 2019, 55(5): 968-976.
[6]	厉小军, 施寒潇, 陈南南, 柳虹, 邹轶. 基于表示学习的情感分析研究[J]. 北京大学学报自然科学版, 2019, 55(1): 105-112.
[7]	闫雷鸣, 严璐绮, 王超智, 贺嘉会, 吴宏煜. 基于句式元学习的Twitter分类[J]. 北京大学学报自然科学版, 2019, 55(1): 98-104.
[8]	刘思叶, 田原, 冯雨宁, 庄育龙. 游客微博主题情感分析方法比较研究[J]. 北京大学学报自然科学版, 2018, 54(4): 687-692.
[9]	姜杰, 夏睿. 机器学习与语义规则融合的微博情感分类方法[J]. 北京大学学报自然科学版, 2017, 53(2): 247-254.
[10]	董理, 王中卿, 熊德意. 基于文本信息的股票指数预测[J]. 北京大学学报自然科学版, 2017, 53(2): 273-278.
[11]	胡磊, 孙茂华. 微博社区成员参与的心理机制: 实证研究与管理启示[J]. 北京大学学报（自然科学版）, 2016, 52(5): 793-802.
[12]	朱珠,汪蓉,李寿山,周国栋. 中文文本中评价对象省略识别方法[J]. 北京大学学报（自然科学版）, 2015, 51(2): 315-320.
[13]	刘勘,袁蕴英,刘萍. 基于随机森林分类的微博机器用户识别研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 289-300.
[14]	胡磊,高迎. 微博社区成员参与动机实证研究[J]. 北京大学学报（自然科学版）, 2014, 50(5): 797-804.
[15]	欧阳纯萍,阳小华,雷龙艳,徐强,余颖,刘志明. 多策略中文微博细粒度情绪分析研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 67-72.

基于微博文本数据分析的社会群体情感可视计算方法研究

Research on the Visualization Method of Social Crowd Emotion Based on Microblog Text Data Analysis

RichHTML

PDF

PDF (翻译版)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言