时空文本数据情感挖掘关键技术研究

With the rapid development of internet technology and mobile devices, users in the internet change from pure information accessors to information producers and the interactivity of internet has been increased dramatically. There is a large amount of information published in microblogs and forums and the information is time and location-dependent. A lot of enterprises as well as governments have paid extra attention on these information since they can reflect the public's views and sentimental inclination. Sentiment mining is widely used in multiple areas such as public sentiment monitoring, event prediction and business analysis. However, existing methods rarely consider the timing constraints and location of these published information and thus can not get the genuine relationship between sentiment and time and location and is unable to obtain the sentiment transition pattern on the time and location. We will conduct a thorough research on highly effient data gathering and pre-processing methods. Furthermore, by taking into acount all the factors which affect sentiment in a more comprehensive way, a more accurate sentiment analysis model will be constructed so that the relationship between sentiment and time and location can be mined more correctly. Finally, efficient indexing strcture will be investigated and we will propose novel sentiment analysis methods which consider the timing and location properties of data thus genuine sentiment transition pattern can be obtained and the hidden factor causing the transition can be discovered.

随着互联网技术的发展和移动终端设备的普及，互联网用户的角色由最初的网络信息获取者向信息生产者发生了转变。在此过程中，互联网的交互性得到了极大的提高。微博、论坛、讨论组中出现了大量由用户发布的信息，这些信息与时间和空间紧密相关。由于这些信息能够反映公众的观点和情感倾向，已经受到许多企业和政府部门的关注。情感挖掘广泛应用于舆情监测、事件预测、商业分析等方面。但现有的情感挖掘很少考虑信息发布的时间及空间位置，不能充分挖掘情感与时间和空间之间的内在联系，不能挖掘情感随时间和空间的变化规律。项目将研究高效的数据获取及预处理方法，为准确的情感分析提供数据基础；通过更全面地考虑影响情感的各因素，包括时间因素和空间因素，构建更准确的情感分析模型，更准确地挖掘分析情感与时间和空间之间的关系；研究高效的索引结构和考虑时间和空间特性的情感分析方法，挖掘情感随时间和空间的实时变化规律，并分析引起这种变化的诱因。

随着移动计算、无线通信以及定位技术的快速发展，产生了大量的时空文本数据。针对这些数据进行情感分析，是一项十分迫切的现实任务。当前的情感分析主要是基于评价者和被评价对象来进行的，还没有深入考虑时间因素和空间因素。虽然已有国内外的研究者对时空文本数据进行过研究，但这些研究工作主要集中在时空信息查询，没有关于时空情感分析的研究。本项目深入探究时空文本数据中文本的情感倾向与发布位置，发布时间之间联系，在时间和空间维度上来进一步挖掘用户的情感特征，重点研究了情感分析在推荐系统中的应用。传统的情感分析方法难以直接运用到深度学习模型中，因此本项目还研究如何将用户的情感信息整合到基于深度学习的推荐模型中。在研究过程中，我们开发了融合多源信息的推荐算法，并在真实的数据集上（亚马逊以及Yelp数据集）进行了对比实验。实验结果表明我们的方法在真实数据集上的性能相较于传统方法有明显的提升。本项目的研究证明了情感因素在分析用户个性特征时具有重要作用，并且用户的情感态度与其所处的时空环境有着密切联系，为后续研究提供了重要参考。