基于情绪程度词典和认知理论的中文文本情感分析

"这篇研究论文探讨了基于情绪程度词典和认知理论的中文文本情感分析方法。作者包括武星、吕海涛和卓少剑，来自上海大学计算机工程与科学学院。文章发表在2015年《上海交通大学学报（自然科学版）》第20卷第1期，DOI为10.1007/s12204-009-0501-3。该研究结合了基本情绪价值词典和社会证据词典来改进传统极性词典，以提升中文文本情感分析的准确性。" 在当前大数据时代，社交媒体和社交网络产生的大量用户数据对在线追踪用户情感和观点起着关键作用。情感分析是理解和解析这些数据的重要工具，尤其在市场研究、公共意见监测和舆情分析等领域。一个高效的情感极性词典对于提升情感分析的分类结果至关重要。 本研究受社会认知理论的启发，提出了一种新的方法，将基本情绪值词典（如喜悦、愤怒、悲伤等基本情绪的词汇）与社会证据词典（反映社会互动和关系的词汇）相结合，以增强传统情感词典的功能。这种方法考虑了语言中的情感倾向和语境的影响，更准确地捕捉到文本中蕴含的情感色彩。 通过这种方法，论文提出了一个新的中文文本情感分析框架，它不仅利用了词典资源，还结合了句法分析技术。实验结果显示，使用该词典和句法分析策略在中文文本情感分析任务上取得了显著的性能提升。关键词包括中文文本、情感分析、情绪词典、社会认知理论和情感趋势。该研究属于计算机科学技术分类号TP301.2，文献类型为A类。 这篇论文贡献了一种新的情感分析方法，通过整合不同类型的词典资源，提高了对中文文本情感理解的深度和精度，为后续的情感分析研究提供了新的思路和方法。在实际应用中，这种方法可能有助于企业、政府和其他机构更好地理解和应对公众的情感动态。