1、隨著移動(dòng)終端技術(shù)的發(fā)展以及2014年政務(wù)微博平臺(tái)的建設(shè)，微博的發(fā)展越來(lái)越迅速。作為一種社會(huì)媒體與社交平臺(tái)，微博擁有龐大的用戶群體，其上的一個(gè)熱點(diǎn)話題，往往會(huì)有上萬(wàn)條的主觀評(píng)論，而這些評(píng)論一般都帶有用戶對(duì)該熱點(diǎn)的情感傾向，通過(guò)對(duì)這些短文本大數(shù)據(jù)的研宄，分析大眾情感傾向，對(duì)輿情分析，營(yíng)銷預(yù)測(cè)都有所幫助。本文針對(duì)話題型的微博展開了研宄，對(duì)其挖掘方法進(jìn)行了比較，并對(duì)SVM算法進(jìn)行了研究改進(jìn)。
　　本文研宄主要包括了：微博主客觀判定，基于詞

2、典的無(wú)監(jiān)督分類，基于機(jī)器學(xué)習(xí)的有監(jiān)督分類比較，SVM多分類情感分析研究以及SVM分類器的改進(jìn)。面向微博情感有高興，喜好，憤怒，悲傷，恐懼，厭惡，驚訝以及無(wú)情感分類。
　　首先對(duì)微博進(jìn)行主客觀判定，對(duì)主客觀文本分別用詞性特征與文本特征兩類特征向量表示，詞性特征包括情感詞、特殊符號(hào)、程度副詞、人稱代詞以及詞性2-P0S對(duì)，文本特征分別用詞頻、TF-IDF、相對(duì)熵的來(lái)提取，并通過(guò)實(shí)驗(yàn)比較了提取效果，最終組成文本向量。分別用樸素貝葉斯和S

3、VM的方式對(duì)主客觀分類做比較。實(shí)驗(yàn)表明SVM具有較好的效果。
　　其次對(duì)主觀微博進(jìn)行情感分類比較，其中有無(wú)監(jiān)督的基于詞典分類方法，詞典采用了大連理工大學(xué)信息檢索研宄室中文情感詞匯本體庫(kù)，對(duì)情感詞庫(kù)進(jìn)行了擴(kuò)充，擴(kuò)充包括表情擴(kuò)充，網(wǎng)絡(luò)詞擴(kuò)充，同義詞詞林?jǐn)U充。然后對(duì)不同的情感加權(quán)方法展開了討論。有監(jiān)督的機(jī)器學(xué)習(xí)方法，采用SVM分類器，并比較了各種SVM多分類器的性能，包括一對(duì)一分類器，一對(duì)多分類器，以及二叉樹分類器，提出了一種新的二叉樹