1、隨著Web2.0的興起和迅速發(fā)展，互聯(lián)網(wǎng)上涌現(xiàn)出大量以微博為代表的社交媒體。微博憑借其短小精悍、發(fā)布便捷和更新快速等特點，已經(jīng)成為公眾獲取信息和交流情感的重要平臺。微博話題傳播速度快、社會影響大，為公眾的信息獲取、分享和傳播提供了便捷的服務，同時也為敵對勢力和不法分子傳播失實言論、引發(fā)公眾負面情感提供了渠道。因此，有效的對微博話題的公眾情感進行分析，能夠為政府部門了解公眾民意和制定高效決策提供支持，對微博輿論監(jiān)控和引導具有重要意義。本文

2、研究微博話題的公眾情感分析技術，主要包括微博話題追蹤、微博情感分析和微博話題公眾情感分析三個部分。論文的主要研究成果如下：
　?。?）研究了微博話題追蹤技術，針對傳統(tǒng)方法往往在微博話題追蹤中忽略了特征之間的語義信息，導致追蹤效果不夠理想的問題，提出一種基于詞向量的微博話題追蹤方法。首先，使用神經(jīng)網(wǎng)絡語言模型在大規(guī)模數(shù)據(jù)集上訓練，得到能夠準確表示詞語語義的詞向量；然后，利用詞向量擴展特征向量的語義信息，建立初始話題和微博模糊集合；最

3、后，計算微博模糊集合和初始話題模糊集合之間的相似度，并依據(jù)設定閾值進行判決，完成話題追蹤。在微博話題語料上進行實驗，該方法的綜合F1值達到85.71％，比傳統(tǒng)方法提高了5%，表明基于詞向量的微博話題追蹤方法能夠充分利用詞向量引入的語義信息，從語義層面完成話題追蹤，相比傳統(tǒng)方法能夠有效提高微博話題追蹤性能。
　?。?）研究了微博情感分析技術，針對傳統(tǒng)的無監(jiān)督微博情感分析方法不能很好地解決微博語料特征稀疏的問題，提出一種基于BTM（B

4、iterm Topic Model）的無監(jiān)督微博情感分析方法。首先，利用BTM模型對微博語料中的共現(xiàn)詞對進行建模，挖掘文檔中的隱含主題；然后，利用合并的情感詞典計算隱含主題的情感分布；最后，結合文檔的主題分布和主題的情感分布計算微博的情感傾向，完成情感分析。在NLP&CC2012評測語料上實驗，該方法的平均F1值達到75.88%，比傳統(tǒng)方法提高了15%，表明基于BTM的無監(jiān)督微博情感分析方法能夠有效解決微博語料特征稀疏對情感分析的影響，

5、在無監(jiān)督的情況下準確得到微博的情感傾向。
　?。?）研究了微博話題公眾情感分析技術，針對已有的相關研究忽視或者不能準確的對公眾情感進行描述和分析，導致無法滿足微博輿論監(jiān)控和高效決策需求的問題，提出一種有效的微博話題公眾情感分析方法。首先，抽取微博話題的正負面情感摘要，對公眾情感進行描述；然后，利用提出的三種指標對公眾情感進行分析，得到公眾對話題的情感傾向；最后，利用提出的引導句生成方法來引導公眾情感。在微博話題語料上進行實驗，該方