基于语义分析的中文微博情感分类方法

通过分析微博的结构特点,提出了一种基于语义分析的中文微博情感分类方法。首先构建了表情符号情感词典和网络用语情感词典;然后结合词典资源对微博文本进行依存句法分析并且构建情感表达式树;最后根据制定的规则计算微博文本的情感强度,依据强度值判断微博的情感倾向类别。实验结果验证了该方法的有效性,也表明所构建的表情符号情感词典和网络用语情感词典能够有效增强情感分类器的性能。     

微博转发者的个性化排序

转发行为是微博平台上信息传播的主要形式。目前已有的工作大多数聚焦在转发行为的分析和预测。针对给定的一条微博时如何找到其转发者这个问题并没有得到很好的解决。结合贝叶斯个性化排序优化标准(BPR-OPT)和分解机(FM),提出了一种通用的方法用于对微博转发者进行预测,并进一步对影响用户成为转发者的特征因素进行了细致分析,然后根据这些特征,在大规模真实数据集上对微博转发者进行了预测。实验证明该方法能够明显提高预测效果,同时也验证了基于pair-wise和特征相关的方法能更有效解决微博转发者预测问题。     

微博营销效果研究：基于品牌关系的视角

在微博平台发展的如火如荼之际,企业纷纷展开微博营销。为验证微博营销的效果,研究结合品牌关系的定义和微博“拟人化”的特征,提出微博营销将影响品牌关系质量。并通过构建结构方程模型的方式,验证了企业微博账户的满意度经过微博账户社群意识的中介影响,直接对微博账户的行为意向和品牌关系质量产生显著影响。即当对企业微博较满意的“粉丝”在感受到较强的社群意识的时候,他们倾向于继续长期和此企业微博保持联系并持续关注,也愿意花费更长的时间在该企业微博账号上。同时,研究表明社群意识对品牌关系质量具有一定的提升效果,品牌关系质量测量维度包括认知、情感和忠诚。     

微博在高校思想政治教育中的创新应用研究

微博作为一种新兴传播媒介,满足了高校学生关注社会、个性发展和思想交流的需求,以其丰富的信息资源和便捷的交流成为高校学生获取信息和交流思想的新渠道,因而很快受到广大学生的青睐,并对他们的学习和生活产生了深远影响。把微博引入高校思想政治教育的载体系统,有助于我们更好地把握和引导学生的思想动态,提高高校思想政治教育的效能。     

中文微博观点句识别及评价对象抽取方法

根据微博文本中句子的依存关系和情感词在依存关系中的位置来提取特征,将特征应用于最大熵模型来预测句子的情感倾向(褒义、贬义或中性)。并在此基础上,将词、词性和词在句法结构中的成分作为特征,训练条件随机场统计模型以此预测评价对象。实验结果表明,将句法依存关系作为特征应用到中文微博观点句识别中能够取得不错的效果,明显提高了中文微博观点句的识别率。     

融合表情符号的微博文本倾向性分析

针对目前微博倾向性分析的研究主要集中在微博文本上,而没有考虑微博中其他情感因素影响的问题,通过对新浪微博的分析与研究,在传统的情感词典的基础上,通过加入表情符号词典和网络新词,构建专门的微博词典,同时对微博进行修辞分析和句式分析,以有效提高倾向性分析的效果。实验结果表明,该方法在对微博进行倾向性分析时取得了很好的效果。     

高职共青团微博建设探析

微博作为一种新型的网络传播媒介在大学生中兴起并广泛应用。如何顺应新媒体时代发展的需求,善用微博、借势微博,打造校园交互新平台,开辟团学工作新阵地,成为高职共青团工作研究的新课题。     

由“药家鑫案”引发的关于“媒介审判”的思考

媒介是信息、情绪的放大器,在当下的社会环境下,媒介一方面发挥着社会公器的作用,对社会生活进行监督,维护社会各个“零部件”的正常高效运转.而在另一方面,媒介强有力的“发声”功能一旦被滥用,就很容易披着“监督”的外衣从社会公器转为凶器,介入司法程序对其进行干预,对新闻当事人造成伤害.尤其是在新媒体蓬勃发展的今天,新技术、新平台使媒介的优势与弊端都得到了放大.“媒介审判”和“媒介监督”虽然只有两字之差,但前者是对司法独立的干预,而后者是对公民知情权的保障,是媒介职能之一,“媒介审判”与“媒介监督”存在着本质的区别.由2010年“药家鑫案”而引发的“媒介审判”的诸多反思,对于媒介功能的思考才刚刚开始,人们对于“媒介审判”的认识在随后一系列相似事件中一点点的加深.“媒介审判”带来的暴力杀伤力强、影响面广令人深思.     

微博新词发现及情感倾向判断分析

由于社交媒体的普及和灵活性,微博中涌现出越来越多的新词来表达情感态度,新词的发现和情感倾向已成为微博研究的热点问题。主要介绍COAE2014评测任务3的方法与技术。首先提出了一个广义后缀树的词串抽取方法,利用左右灵活度等指标发现潜在新词。然后根据上下文信息对前一步发现的潜在新词采用多重词典,基于模板,统计情感词共现手段判断其情感倾向。最后利用搜索引擎从语义角度进一步优化情感倾向结果。实验结果表明此方法对新词发现和情感倾向判断问题是有效的。     

面向微博情感评测任务的多方法对比研究

主要对COAE 2014评测中采用的算法进行描述,并结合评测结果进行分析比较。本次评测共有5个任务,本文重点描述与微博相关的3个任务。在微博情感新词发现和判断的任务中,方法核心是利用谷歌翻译算法的对齐操作来获得候选新词,之后使用平均点互信息筛选高频词语。在微博倾向性分析任务中采用两种方法,一种是传统的基于情感词典的极性判断方法,另一种是结合情感词标注的基于条件随机场CRFs的极性判断方法。在微博观点句要素抽取任务中,首先利用名词在复杂网络中的中介性和趋近性提取候选产品名和属性名,然后分别采用3种方法完成对产品属性名的抽取,其中,第一种方法是基于简单规则的滑动窗口抽取策略,后面两种方法都是基于CRFs的有监督抽取策略。