一種用于彈幕情感分析且基于表情和語氣的情感詞典構建方法，首先構建傳統情感詞典TD，而后在傳統情感詞典TD上添加構建的表情詞典E與語氣詞典T以獲得新詞典BSET，從而提高了彈幕情感分析的準確性，同時注重語氣詞的作用，有效增強彈幕情感分析的效果；同時為區分具有相同情感詞的不同彈幕，構建程度詞典DD和否定詞典ND并添加至新詞典BSET中，最后對基于程度詞典DD和否定詞典ND構建的所有情感詞典進行修正，并將修正后的情感值用于彈幕情感分析，實驗結果表明本發明比現有的方法在彈幕情感分析領域具有更好的性能。

技術領域

本發明涉及文本情感分析技術領域，尤其涉及一種用于彈幕情感分析且基于表情和語氣的情感詞典構建方法。

背景技術

近年來，隨著網絡視頻行業的快速發展，網絡視頻用戶規模的也在不斷擴大，彈幕評論越來越受到歡迎。彈幕是一種新興、實時更新的互動評論系統，它以滾動字幕的方式直接顯示在視頻界面上，有助于加深觀眾對視頻內容的理解，也可促進觀看相同類型視頻的觀眾之間交流。隨著彈幕功能在各大視頻網站的流行，彈幕中的情感信息越來越具有普遍性和參考性，這些情感信息能準確地反應用戶在觀看視頻時的情感和褒貶評價。

目前，國內外在文本情感分析方面做出了一定的研究成果，但主要集中在社交媒體和商品評論兩大領域，因彈幕是近幾年新興的一種互動評論方式，故對彈幕的研究很少，現有對彈幕的研究是將其視為與視頻內容緊密相關的時間同步的文本標簽，主要應用于視頻內容摘要、視頻內容標記及視頻關鍵幀推薦。由于彈幕本身的特點，比如文本內容較短，口語化，網絡用語較多，用語不規范等，所以對彈幕的情感分析仍然存在很大的挑戰。

現有針對彈幕的研究是將彈幕視為與視頻內容緊密相關的時間同步的文本標簽，越來越多的研究學者圍繞彈幕評論進行視頻數據分析：

Sun,S.等人針對自動電影內容摘要，利用彈幕評論選擇候選的視頻高亮片段，再根據彈幕的數量與內容對候選片段進行評分，最后選擇達到最高分的候選片段組成電影內容摘要；

Zeng,Z.等人針對視頻內容標記，提出一種監督動態LDA模型，該模型利用彈幕評論的變分主題提取類型標簽和關鍵字作為標簽；

Chen,X.等人針對視頻關鍵幀推薦，利用視頻圖像和彈幕評論設計一個新穎的關鍵幀推薦器，可針對用戶進行個性化的關鍵幀推薦；

此外，研究人員還從彈幕的傳播角度出發，Zhao,C.等人利用彈幕內容評估錨的情感，并預測錨的后續行為，提出一種網絡廣播錨定行為評估系統，若直播內容是暴力或色情內容，平臺管理人員可提前禁止，以避免造成更大影響；Yonggang,Z.等人探討在大學英語視聽課中使用彈幕的有效性，它可以有效地激發學生的興趣，促進課堂互動，并促進教師監督教學。

現有基于情感詞典的文本情感分析方法中，沒有考慮顏文字表情對情感分析的影響，顏文字表情在文本預處理階段經常易被過濾掉，這影響了情感分析的效果，無法盡量準確地還原文本的真實情感傾向。同時，現有的方法也忽視了語氣詞在情感表達中的作用，語氣詞通常被認為是沒有意義可以被省略的停用詞，在文本預處理階段將被過濾掉，這忽視了語氣詞本身含有情感色彩，進而影響情感分析的準確率。

發明內容

本發明所解決的技術問題在于提供一種用于彈幕情感分析且基于表情和語氣的情感詞典構建方法，以解決上述背景技術中的問題。

本發明所解決的技術問題采用以下技術方案來實現：

一種用于彈幕情感分析且基于表情和語氣的情感詞典構建方法，具體步驟如下：

(1)構建傳統情感詞典