基于Word2Vec的高校娱乐领域微博情感倾向分析开题报告

全文总字数：5210字

1. 研究目的与意义、国内外研究现状（文献综述）

高校微博情感倾向性分析可以用于对高校用户的微博信息做深入挖掘，以此来更有效的进行微博营销、网络舆情监控、产品市场定位、政策改革等。对于高校管理者来说，可以利用分析结果判断学生对于本校相关话题的态度，及时调整学校政策及措施；同时可以通过情感分析实时监测大学生群体对社会热点话题的讨论情况，及时对不当言论进行引导，鼓励大学生群里进行独立的思考。高校学生通常利用微博作为一个社交娱乐平台，因此会较多地关注和发布与“旅行”、“吃喝玩乐”、“追星”等相关的内容，通过对其的情感分析，高校管理者可以了解学生的课余生活与偏好并及时调整高校官博的内容来对学生起到积极向上的引导作用。

近年来，情感词典的构建已经成为很多学者关注的问题。情感词典构建的方式主要分为两类：基于词典资源的方法和基于语料库的方法。

2. 研究的基本内容和问题

在互联网遍布全球的时代，微博作为极具代表性的网络社交平台，在吸引了大量用户的同时产生了海量的微博数据，因此从中筛选出有效信息并分析用户情感倾向成为了多个研究领域新兴的热点课题，其中领域情感词典是情感分析最重要的基础。本文总结了国内外研究者在文本情感分析方面的研究现状，列举了国内外情感分析研究的最新成果，并阐述了中文微博情感分析的理论知识和关键技术。本文在前人构建的高校微博情感词典的基础上，结合tf*idf算法和word2vec工具构建了高校娱乐领域微博情感词典，并分析了高校娱乐领域微博情感倾向及强度，指出目前高校学生娱乐生活存在的问题，提出了建议。

本研究的目的设计构建针对所收集娱乐语料的完备有效情感词典并据此分析高校大学生原创娱乐类微博所展现的情感倾向，设计并实施了一套从微博聚类到情感分析的研究计划。由于所用语料是已经进行分词和去停用词处理的，所用本研究主要分为一下三个部分：微博文本聚类、娱乐领域情感词典的构建、高校娱乐领域微博情感倾向分析。

3. 研究的方法与方案

研究方法：本文通过构建情感词典，并标注情感词的强度，以对南京农业大学学生娱乐类微博情感倾向进行分析。本文在前人构建的高校微博情感词典的基础上，结合tf*idf算法和word2vec工具构建了高校娱乐领域微博情感词典。

技术路线：

4. 研究创新点

本研究构建了高校大学生娱乐领域情感词典，同时将所收集的微博文本分为旅行、电影电视明星、游戏、吃喝玩乐几个部分，利用构建好的情感词典计算每条微博语料的情感倾向及强度，并结合所涉及的领域分析。由此可以形成南京农业大学学生娱乐现状报告，可作为校相关组织对学生娱乐活动引导时的参考。

在情感词典的构建时，考虑了娱乐领域微博的特殊性，因此人工构建了网络情感词典，以增加情感倾向判断时的准确度。

5. 研究计划与进展

2018年10月-11月：完成文本预处理及聚类。

2018年12月：构建种子情感词典、网络情感词典，并得到最终的带有情感强度的娱乐领域情感词典。

2019年1月： 完成对南京农业大学学生娱乐领域微博的情感分析并提出相应建议，撰写论文。