社交媒体大数据智能情感分析技术/素质赋能系列丛书

作者简介

谭旭，国防科技大学博士，教授，湖南大学、湘潭大学研究生导师。是“鹏城学者”长期特聘教授、广东省高校“千百十工程”省级培养对象、广东省高职教育专业领军人才、南粤优秀教师。现为广东省视频图像大数据公共安全应用科研团队负责人、广东省信息管理技术教学团队负责人、广东省高职教育计算机类专业教指委秘书长、中国仿真学会智能仿真优化与调度专委会委员。主持国家自科基金、教育部人文社科基金等项目21项，主编教材2部、专著1部,获中国仿真学会科学技术奖一等奖1项，广东省教育教学成果奖二等奖2项。

内容简介

第3章〓社交媒体大数据智能情感分析方法与技术 3.1社交媒体大数据情感分析方法 3.1.1社交媒体大数据情感分析基础方法 本节主要基于社会学、统计学和情报学三个基础理 论来阐述社交媒体中大数据情感分析的理论依据和分析 范畴。 1. 基于社会学理论的方法 随着社交媒体平台的发展，已有许多研究表明和证 实了依据社会学理论可以对社交媒体上的信息进行有效 的分析，并已广泛应用于社交媒体大数据的情感分析中 。例如社会学中的社会同质性［1］、情绪感染［2］、 社会影响［3］等理论在信息分析中已得到广泛的应用 。 (1) 社会同质性： 社会同质性是指人们倾向于与 自己相似的人做朋友，在现实生活中具有相似兴趣爱好 的人更容易聚集到一起。 (2) 情绪感染： 人们通过面部表情、声音起伏和 姿势的反馈去感染他人的情绪，这种现象在社会科学中 被认为是情绪感染。情绪感染在人际关系中有着重要的 作用，可以潜移默化地促进行为的同步性以及对他人情 感的追踪。 (3) 社会影响： 人与人之间频繁互动的过程中会 互相产生影响，通过这种相互影响，使得人们不断地调 整自身行为来保持与朋友的一致性，随着时间的增长， 人们与其朋友间的行为模式将会越来越相似。 根据上述的社会学理论研究可知，社交媒体平台的 用户之间存在着某些社会关系，这些社会关系影响着人 们的情绪表达和行为选择［4］。目前许多学者对这些 社会关系进行大量的研究，并将其应用到了情感分析领 域。 例如，Zeng等［5］通过消息发出部门的威信力、 用户主观判断能力和情绪感染等因素刻画出用户对于社 会事件反应的情感变化趋势； Zhang等［6］提出了交 互感知传播网络，通过考虑各种交互因素，比如不同社 会角色之间的影响程度、不同话题间交互和情感间交互 ，预测了社交媒体平台的用户在这些因素影响下传播消 息的概率。 2. 基于统计学理论的方法 除了根据社会学原理对社交媒体信息进行分析，学 者们还发现生活中许多变量之间存在相互依赖、相互影 响的关系。这些变量间的关系通常有两种： 一种是确 定的函数关系，比如半径大小与圆面积大小有函数关系 。另一种是相关关系，比如人的身高与体重有相关关系 。在文本情感分析实践中，主要通过相关性分析来判定 情感分类。变量间的相关关系有很多种［7］，大致可 以分为以下几类。 (1) 按相关程度划分： 分为完全相关、不完全相 关和不相关。 (2) 按相关方向划分： 分为正相关和负相关。 (3) 按相关形式划分： 分为线性相关和非线性相 本书系统介绍了社交媒体大数据智能情感分析的理论方法、关键技术及其在社会热点事件中的建模与应用。