一种结合文章信息的新闻评论情感分析方法

doi:10.12066/j.issn.1007-2861.2252

上海大学学报(自然科学版) ›› 2022, Vol. 28 ›› Issue (1): 170-178.doi: 10.12066/j.issn.1007-2861.2252

• 数字与影视技术 • 上一篇

一种结合文章信息的新闻评论情感分析方法

杨一璞¹, 朱永华¹(), 高海燕², 高文靖¹

1.上海大学上海电影学院, 上海 200072
2.上海大学生命科学学院, 上海 200444

收稿日期:2019-12-17 出版日期:2022-02-28 发布日期:2020-09-14
通讯作者: 朱永华 E-mail:zyh@shu.edu.cn
作者简介:朱永华(1967—), 男, 副教授, 博士, 研究方向为计算机、人工智能和数据科学. E-mail: zyh@shu.edu.cn
基金资助:
"十三五"国家重点研发计划项目(2017YFD0400101)

Incorporating article information for sentiment analysis of news comments

YANG Yipu¹, ZHU Yonghua¹(), GAO Haiyan², GAO Wenjing¹

1. Shanghai Film Academy, Shanghai University, Shanghai 200072, China
2. School of Life Sciences, Shanghai University, Shanghai 200444, China

Received:2019-12-17 Online:2022-02-28 Published:2020-09-14
Contact: ZHU Yonghua E-mail:zyh@shu.edu.cn

摘要/Abstract

摘要：

新闻评论表达了人们对新闻事件的看法与态度, 因此对新闻评论进行分析具有潜在的应用价值. 传统的情感分析方法仅对评论文本进行分析, 忽略了新闻文章主题及语义信息对评论的影响. 针对这个问题, 提出了一种基于支持向量机和 $K$ 均值聚类的情感分析方法, 将新闻文章信息对评论情感的影响因素引入到新闻评论的情感分类中. 实验结果证明了该方法在新闻评论情感分析任务中的有效性.

关键词: 新闻评论, 情感分析, 聚类

Abstract:

News comments reflect people's opinions or sentiments toward news events. Therefore, analysis of news comments is potentially useful for many applications. Traditional methods of sentiment analysis focus on the contents of comments while ignoring the influence of news topics and semantics information from news articles. This study proposes a sentiment analysis approach using support vector machine and $K$-means clustering that considers the impact of news articles on the sentiments of news comments. Experimental results on a news comment dataset demonstrate the effectiveness of our proposed method.

Key words: news comment, sentiment analysis, clustering

中图分类号:

TP391.1

杨一璞, 朱永华, 高海燕, 高文靖. 一种结合文章信息的新闻评论情感分析方法[J]. 上海大学学报(自然科学版), 2022, 28(1): 170-178.

YANG Yipu, ZHU Yonghua, GAO Haiyan, GAO Wenjing. Incorporating article information for sentiment analysis of news comments[J]. Journal of Shanghai University（Natural Science Edition）, 2022, 28(1): 170-178.

图/表 6

图1

表1

表2

表3

图2

图3

参考文献 21

[1]	Turney P D. Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification of reviews [C]// Meeting of the Association for Computational Linguistics. 2002: 417-424.
[2]	Pang B, Lee L, Vaithyanathan S, et al. Thumbs up? Sentiment classification using machine learning techniques [C]// Empirical Methods in Natural Language Processing. 2002: 79-86.
[3]	Gamon M. Sentiment classification on customer feedback data: noisy data, large feature vectors, and the role of linguistic analysis [C]// International Conference on Computational Linguistics. 2004.
[4]	吴杰胜, 陆奎. 基于多部情感词典和规则集的中文微博情感分析研究[J]. 计算机应用与软件, 2019, 36(9): 93-99.
[5]	王志涛, 於志文, 郭斌, 等. 基于词典和规则集的中文微博情感分析[J]. 计算机工程与应用, 2015, 51(8): 218-225.
[6]	姜杰, 夏睿. 机器学习与语义规则融合的微博情感分类方法[J]. 北京大学学报 (自然科学版), 2017, 53(2): 247-254.
[7]	马丽菲, 莫倩, 杜辉. 面向中文短影评的分类技术研究[J]. 山东大学学报 (理学版), 2016, 51(1): 52-57.
[8]	Mikolov T, Chen K, Corrado G, et al. Efficient estimation of word representations in vector space [C]// International Conference on Learning Representations. 2013.
[9]	Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality [C]// Advances in Neural Information Processing Systems. 2013: 3111-3119.
[10]	Kim Y. Convolutional neural networks for sentence classification [C]// Empirical Methods in Natural Language Processing. 2014: 1746-1751.
[11]	朱晓亮, 石昀东. 基于 TextRank 和字符级卷积神经网络的小学作文素材自动分类模型研究[J]. 计算机应用与软件, 2019, 36(1): 220-226.
[12]	Johnson R, Zhang T. Effective use of word order for text categorization with convolutional neural networks[EB/OL]. [2020-10-08]. https://xueshu.baidu.com/usercenter/paper/show?paperid=be21496c000b08ae337b7da98e06558b&site=xueshu_se.
[13]	Huang M, Cao Y, Dong C, et al. Modeling rich contexts for sentiment classification with LSTM[EB/OL]. [2020-11-05]. https://xueshu.baidu.com/usercenter/paper/show?paperid=98bde1bdd380df1603d8cce2b84281ff&site=xueshu_se.
[14]	Xu J, Chen D, Qiu X, et al. Cached long short-term memory neural networks for document-level sentiment classification [C]// Empirical Methods in Natural Language Processing. 2016: 1660-1669.
[15]	Yang Z, Yang D, Dyer C, et al. Hierarchical attention networks for document classification [C]// North American Chapter of the Association for Computational Linguistics. 2016: 1480-1489.
[16]	Tang D, Qin B, Liu T, et al. Document modeling with gated recurrent neural network for sentiment classification [C]// Empirical Methods in Natural Language Processing. 2015: 1422-1432.
[17]	Shi S, Zhao M, Guan J, et al. A hierarchical LSTM model with multiple features for sentiment analysis of sina weibo texts [C]// International Conference on Asian Language Processing. 2017: 379-382.
[18]	Wang B. Attention-based hierarchical LSTM model for document sentiment classification [C]// Proceedings of 2018 2nd International Conference on Artificial Intelligence Applications and Technologies (AIAAT2018). 2018: 436-441.
[19]	白静, 李霏, 姬东鸿. 基于注意力的 BiLSTM-CNN 中文微博立场检测模型[J]. 计算机应用与软件, 2018, 35(3): 266-274.
[20]	Napoles C, Tetreault J, Pappu A, et al. Finding good conversations online: the yahoo news annotated comments corpus [C]// Linguistic Annotation Workshop. 2017: 13-23.
[21]	Napoles C, Pappu A, Tetreault J, et al. Automatically identifying good conversations online (Yes, they do exist!) [C]// International Conference on Weblogs and Social Media. 2017: 628-631.

一种结合文章信息的新闻评论情感分析方法

Incorporating article information for sentiment analysis of news comments

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张克, 张文俊, 朱蕴文, 邢毅雪. 基于内联关系的方面级情感分析方法[J]. 上海大学学报(自然科学版), 2022, 28(1): 157-169.
[2]	周敬一, 郭燕, 丁友东. 基于深度学习的中文影评情感分析[J]. 上海大学学报(自然科学版), 2018, 24(5): 703-712.
[3]	李婧, 于丽英. 基于直觉模糊集的模糊C均值聚类改进算法[J]. 上海大学学报(自然科学版), 2018, 24(4): 634-641.
[4]	郭鹏1, 李钧2, 张海燕3. 基于云平台的智能远程种植系统[J]. 上海大学学报(自然科学版), 2017, 23(2): 244-251.
[5]	吉成恒, 雷咏梅. 大规模数据集聚类的K邻近均匀抽样数据预处理算法[J]. 上海大学学报(自然科学版), 2016, 22(1): 28-35.
[6]	路东方, 许俊富, 项超娟, 谢江. 生物大数据中的聚类方法分析[J]. 上海大学学报(自然科学版), 2016, 22(1): 45-57.
[7]	张麒1, 黄春春1, 韩红2, 李超伦2, 王文平2. 基于多尺度模糊聚类与DGVF模型分割颈动脉超声造影图像[J]. 上海大学学报(自然科学版), 2014, 20(5): 633-644.
[8]	何祥, 骆祥峰. 基于关联语义链网络的文本聚类方法[J]. 上海大学学报(自然科学版), 2014, 20(2): 190-198.
[9]	黄文佳，冯铁男，王翼飞. 基于小波的肿瘤基因表达数据聚类分析模型[J]. 上海大学学报(自然科学版), 2011, 17(5): 624-630.
[10]	沈青松，黄文佳，吕玉龙，王翼飞. 一种糖尿病动物模型基因芯片的聚类分析[J]. 上海大学学报(自然科学版), 2010, 16(4): 409-414.
[11]	毕行，徐炜民. 基于特定群体兴趣的混合个性化推荐算法[J]. 上海大学学报(自然科学版), 2010, 16(3): 318-322.
[12]	陈俊;吴绍春;盛春健. 基于概念格的聚类分析[J]. 上海大学学报(自然科学版), 2008, 14(4): 432-435 .
[13]	夏骄雄;徐俊;吴耿锋. 基于本体核与直方图的聚类预处理方法[J]. 上海大学学报(自然科学版), 2008, 14(1): 19-25 .
[14]	徐俊;夏骄雄;李青. 用主成份提取进行数据库聚类预处理[J]. 上海大学学报(自然科学版), 2007, 13(6): 705-710 .
[15]	丁友东;杜晓凤;李晓强. 基于聚类肤色模型的人脸检测[J]. 上海大学学报(自然科学版), 2007, 13(5): 511-515 .