[发明专利]一种结合用户结构相似度进行微博情感分析的方法

权利要求书

1.一种结合用户结构相似度进行微博情感分析的方法，具体包括如下步骤：

(1)根据微博用户之间的关注关系，计算用户之间的结构相似度，建立用户相似度矩阵，即情绪感染性矩阵，同时建立情绪感染性模型；

(2)根据社会学中的情感一致性理论，建立微博之间的情感一致性关系矩阵，同时建立情绪一致性模型；

(3)使用前两步生成的模型，建立根据微博间关系矩阵形成的微博情感分析模型；

(4)在前三步的基础上，加入使用微博文本内容的情感分析模型；

(5)对第四步建立的模型进行优化，求解出微博情感分析器；

所述的步骤(1)中建立用户相似度矩阵具体包括如下步骤：

(1.1)对于两个用户u_i和u_j，其结构相似度计算公式为：

其中表示二者共同的好友数量， 表示的是用户u_i的邻居,即与其有直接关注关系的用户， 表示二者好友的并集；

(1.2)建立用户结构相似度矩阵S，其第i行第j列表示的是用户u_i和u_j之间的结构相似度，即S_ij＝Sim(u_i,u_j)；

(1.3)根据用户结构相似度矩阵和情绪感染性理论，建立情绪感染性矩阵A_ec：

A_ec＝U^T×S×U；

其中U为用户微博矩阵，其第i行第j列表示的是用户u_i发布了微博d_j；

(1.4)根据用户之间越相似，其表达的情感越有可能相同，建立以下模型：

其中L_ec＝D_ec-A_ec，D_ec是对角阵，Y∈R^n×c为每个微博对应的情感标签矩阵，n为微博数量，c为情感种类数目；为矩阵Y的第i行，为矩阵Y的第k列；X∈R^n×m为微博特征矩阵，W∈R^m×c为分类器，m表示特征数目；

所述的步骤(2)中建立情绪一致性模型具体包括如下步骤：

(2.1)根据情感一致性理论，建立情感一致性矩阵A_sc，其中A_sc＝U^T×U；

(2.2)根据同一用户发布的微博其情感更趋于一致，建立以下模型：

其中L_sc＝D_sc-A_sc，D_sc是对角阵，

所述的步骤(3)中微博关系情感分析模型具体包括如下步骤：

(3.1)合并步骤(1)和步骤(2)的模型，生成如下模型：

其中，α₁和α₂分别表示情感一致性和情绪感染性在模型中所占的比例；

(3.2)对(3.1)中的公式进行优化：

(3.3)令A＝α₁A_scij+α₂A_ecij，(3.2)的公式可化为：

其中L＝D-A，D是对角阵，

2.根据权利要求1所述的一种结合用户结构相似度进行微博情感分析的方法，其特征在于所述的步骤(4)中微博关系情感分析模型具体包括如下步骤：

(4.1)结合微博的文本特征，更新步骤(3.3)的模型，即：

(4.2)对(4.1)中的模型进行正则化处理，加上正则化项||W||₁；此时，待求解模型为：

其中α和β为二者对应的权重。

3.根据权利要求1所述的一种结合用户结构相似度进行微博情感分析的方法，其特征在于所述的步骤(5)具体包括如下步骤：

(5.1)将目标函数f(W；X,Y)改写为：

其中，L(W；X,Y)是可微部分，R(W)是不可微部分；

(5.2)将步骤(5.1)看作有限制的凸优化问题，其可微部分可以用近似函数来表示：

其中λ_t是第t次迭代的步长，L(W；X,Y)的在W处的梯度为：

因此原来的优化问题变为：

(5.3)计算第t+1次的W：

其中，

(5.4)重复计算W直到W收敛或者循环次数超过设定值。