1、隨著互聯(lián)網(wǎng)用戶爆炸式的增長(zhǎng)，受眾群體越來(lái)越廣。在缺乏有效管理的互聯(lián)網(wǎng)上，對(duì)一些敏感案件和突發(fā)事件的不實(shí)言論和惡意煽動(dòng)，誤導(dǎo)和欺騙了廣大人民群眾，擴(kuò)大了人民群眾的不滿情緒，影響和破壞了社會(huì)的和諧穩(wěn)定?；ヂ?lián)網(wǎng)信息的健康程度已引起各級(jí)政府的高度重視，有必要對(duì)互聯(lián)網(wǎng)上涉及意識(shí)形態(tài)安全的議題和言論進(jìn)行有效地監(jiān)管?；ヂ?lián)網(wǎng)網(wǎng)頁(yè)每天都以指數(shù)級(jí)的方式增長(zhǎng)，要人工去甄別每個(gè)網(wǎng)頁(yè)所含的信息，并加以分析統(tǒng)計(jì)是不現(xiàn)實(shí)的。只有采用計(jì)算機(jī)自動(dòng)處理技術(shù)，使其自動(dòng)地對(duì)互

2、聯(lián)網(wǎng)輿情進(jìn)行分析、整理，才能建立起全面、有效、快速的輿情監(jiān)測(cè)預(yù)警機(jī)制，使互聯(lián)網(wǎng)得以健康、快速的發(fā)展。因此，對(duì)互聯(lián)網(wǎng)輿情的獲取與分析技術(shù)的研究已成為一項(xiàng)緊迫而又重要的課題。
　　 本文對(duì)文本的語(yǔ)義傾向性分析這一關(guān)鍵技術(shù)進(jìn)行了深入地研究，通過(guò)分析現(xiàn)有語(yǔ)義傾向性識(shí)別技術(shù)的優(yōu)缺點(diǎn)，結(jié)合隱馬爾科夫模型在文本處理方面的良好表現(xiàn)，將本文研究的文本語(yǔ)義傾向性分析方法應(yīng)用到互聯(lián)網(wǎng)輿情分析系統(tǒng)中，對(duì)輿情信息進(jìn)行分析，并提供輿情預(yù)警功能。
　　

3、 文本的語(yǔ)義傾向性分析的目的是判斷文本針對(duì)評(píng)價(jià)對(duì)象所持有的情感傾向是支持、反對(duì)還是中立。由于相似的評(píng)論文本，其內(nèi)容必定有一定的內(nèi)在聯(lián)系?；ヂ?lián)網(wǎng)輿情信息的表現(xiàn)方式多種多樣，本文以網(wǎng)絡(luò)評(píng)論為研究對(duì)象，試圖將隱馬爾科夫模型從已經(jīng)成功應(yīng)用的模式識(shí)別領(lǐng)域推廣到語(yǔ)義傾向性分析系統(tǒng)。與傳統(tǒng)傾向性識(shí)別系統(tǒng)不同的是，此理論通過(guò)建立隱馬爾科夫分類(lèi)模型，將未知文本進(jìn)行狀態(tài)序列化，得到文本中所有具有語(yǔ)義傾向的詞語(yǔ)所對(duì)應(yīng)的傾向性，然后選定多數(shù)詞的傾向性來(lái)作為文

4、本的總體語(yǔ)義傾向。
　　 本文實(shí)驗(yàn)系統(tǒng)采用Myeclipse7.0平臺(tái)的集成開(kāi)發(fā)環(huán)境開(kāi)發(fā)，分為語(yǔ)料采集、構(gòu)建模型和語(yǔ)義識(shí)別三個(gè)模塊。語(yǔ)料采集模塊為其它兩個(gè)模塊提供數(shù)據(jù)支持。構(gòu)建模型模塊將采集得到的數(shù)據(jù)作為語(yǔ)料進(jìn)行訓(xùn)練，得到語(yǔ)義識(shí)別模型；語(yǔ)義識(shí)別模塊完成對(duì)指定的文本的語(yǔ)義傾向性識(shí)別。本文通過(guò)對(duì)騰訊新聞?wù)搲臄?shù)據(jù)分別進(jìn)行封閉測(cè)試和開(kāi)放測(cè)試，結(jié)果表明，該分析模型可以很好地識(shí)別各種未知文本的語(yǔ)義傾向性，并且當(dāng)訓(xùn)練數(shù)據(jù)越全面，規(guī)模越大時(shí)，