1、輿情指的是作為社會主體的民眾，在一定范圍的社會空間內(nèi)，圍繞各種類型社會事件或問題的發(fā)生、發(fā)展與變化對于社會管理者所產(chǎn)生和持有的情感及態(tài)度。近年來，網(wǎng)頁已成為反映社會輿情的主要載體之一，又由于互聯(lián)網(wǎng)網(wǎng)頁呈指數(shù)級方式的增長，網(wǎng)絡輿情在已逐漸成為政府與企業(yè)重點關(guān)注的強大輿論平臺。抓住網(wǎng)絡輿情的導向則可以及時地了解民眾對于某條政策或某個事件的傾向性態(tài)度，及時需求做出改進。因此分析網(wǎng)絡輿情傾向性是現(xiàn)今自然語言處理的熱點問題。網(wǎng)絡輿情的傾向性分析需

2、要借助計算機自然語言處理技術(shù)高效、準確地甄別網(wǎng)頁所涵蓋的信息，并快速有效地對輿情進行分析與分類。
　　傳統(tǒng)的語義傾向性分析算法需要依靠網(wǎng)絡用戶選擇贊同、反對等簡單的投票形式來體現(xiàn)對事件或產(chǎn)品的態(tài)度與傾向性。然而，這對于如今的網(wǎng)絡媒體已經(jīng)遠遠不夠，民眾的評論等以微博等形式呈現(xiàn)，其語義間細微差別與上下文的信息內(nèi)容分析成為一個判斷傾向性的關(guān)鍵問題。本文試圖面向網(wǎng)絡輿情建立文本語義傾向性分析模型，以提高語義傾向性分類的準確性。主要研究成果

3、如下：
　　(1)構(gòu)建了基于HowNet與中文情感詞匯本體庫的情感詞詞典。該詞典采用了HowNet情感詞典的正負情感詞匯庫，并借鑒了中文情感詞匯本體的極性標注方式，再經(jīng)過人工添加網(wǎng)絡常用詞匯，形成了小型的情感詞典用于文本的預處理。
　　(2)提出了一種面向網(wǎng)絡輿情的特征詞權(quán)重計算方法。該方法由傳統(tǒng)的TF-IDF（Term Frequency-Inverse Document Frequency）權(quán)重算法添加位置權(quán)重、情感權(quán)重