基于群体智能的微博情感分析研究

Microblog is a new popular, integrated and open online social network service. It attracts lots of concern in recent years and becomes one of the hot research fields. Some initial efferts are obtainned. However, because of the non-standard tweets, complicated social network relationships, real-time and frequent user interaction features, the current status is lack of effective microblog sentiment analysis methods. Focusing on microblog hot topics, this project will establish a set of sentiment analysis methods based on swarm intelligence. The research contents include: (1) Integrated the spatial and temporal characteristics and the content features of microblog, the opinion model of microblog users will be established for hot topics. (2) We will research on the microblog users, the feature of hot topics and the multi-dimensional internal and external associations existing among the users' opinions. The measure method will be proposed to discover the microblog users' sentiment. (3) By using the method of swarm intelligence, the impact beteen the user's sentiment intensity and the public opinions will be determined. The sentiment analysis methods based on swarm intelligence for microblog is different from the traditional online text sentiment analysis method by combining the social network feature of microblog and the group behavioral characteristics of users. The analysis and mining object is the microblog social network which urgently needs to be in-depth studied. The implementation of this project has important theoretical values and good prospects.

微博是近年来较为流行的一种集成化和开放化的新型在线社会网络服务，已经成为研究的热点之一，进两年来获得了极大的关注，也逐渐出现了一些初步的研究成果，但由于微博具有文本不规范、社会网络关系复杂、实时性及用户互动频繁等特点，目前尚缺乏有效的微博情感分析方法。本项目面向微博中的热点话题，建立一套基于群体智能的微博情感分析方法。研究内容包括：（1）融合微博时空特征与上下文特征，建立面向微博热点话题的用户观点模型；（2）研究微博用户、热点话题特征以及用户观点之间的多维内、外部关联关系，提出度量微博用户情感的方法；（3）采用群体智能优化模型的方法，确定微博用户的情感强度对大众观点形成的影响。基于群体智能的微博情感分析方法，有别于传统在线文本情感分析，融合微博所具有的社会网络特性和用户之间的群体行为特征，分析与挖掘目前亟待深入研究的微博在线社会网络，具有重要的理论价值和良好的应用前景。

微博情感分析是目前的研究热点，由于微博的短文本不规范性、社会网络属性、实时性及用户互动频繁等特性，已有的情感分析方法不能完全适用。项目面向微博中的热点事件，建立了一套基于群体智能的微博情感分析方法。研究了中文微博热点话题信息的获取方法和话题特征提取方法；在此基础上改进了已有的观点模型，提出了一种基于句法依存关系的微博情感分析方法，该方法在观点句识别、情感倾向性判断和情感要素的抽取上取得了一定的效果。融合微博的上下文及转发特征，提出了一种子话题级别的情感分析算法，该算法表明基于转发优化的结果要好于基准实验结果。研究了文档在不同话题上的重要性与话题模型之间的相互关联关系，提出了融合topical PageRank的RankTopic和融合了topical HITS的HITSTopic算法。RankTopic和HITSTopic在模型泛化、文档聚类及分类、话题可解释性及文档网络概要能力都比基准的模型要好。研究了运用群体智能算法改进聚类效果，将萤火虫算法运用至 k-means分类算法的改进中，取得了一定的效果。结合量子系统的优势，提出了基于量子行为的萤火虫群优化算法。通过一系列的改进，萤火虫群的多样性得到了加强，改进后的算法能够取得更好的平衡，并且具有更快的速度。研究了社交网络中的情感动力学模型，提出一种基于事件刺激并结合群体智能方法的公众情感发展模型，即考虑环境对用户情感不断刺激而不断演化的过程。提出的基于群体智能的微博情感分析方法，有别于传统在线文本情感分析，融合微博所具有的社会网络特性和用户之间的群体行为特征，分析与挖掘目前亟待深入研究的微博在线社会网络，具有重要的理论价值和良好的应用前景。此外，对提出的情感分析方法进行了扩展研究，进一步加强了研究结果的有效性。