网络用户评论的情感分歧度量化算法研究

doi:10.3772/j.issn.1000-0135.2020.04.009

情报学报

2020, Vol. 39

Issue (4): 427-435 DOI: 10.3772/j.issn.1000-0135.2020.04.009

情报用户与行为研究

本期目录 | 过刊浏览 | 高级检索

网络用户评论的情感分歧度量化算法研究

徐健, 吴思洋

中山大学资讯管理学院，广州 510006

The Quantitative Algorithm of Sentiment Divergence Based on Web User Reviews

Xu Jian, Wu Siyang

School of Information Management, Sun Yat-sen University, Guangzhou 510006

摘要
图/表
参考文献
相关文章 (11)

全文: PDF (2465 KB) HTML (157 KB)
输出: BibTeX | EndNote (RIS)

摘要从情感分歧角度出发，为网络用户评论情感分析提供新的研究方法和视角。借鉴已有的5种差异度、离散度计算公式，融入情感元素，应用于情感分歧度计算场景，分别得到基于情感值差、标准差、变异系数、信息熵、情感分布概率的5种情感分歧度量化算法，并且基于情感的正负值特点，提出基于正负情感比值的情感分歧度量化方法。在网络用户评论情感分析的基础上，利用这6种情感分歧度量化算法对用户评论进行情感分歧度量化，并对各种情感分歧度算法量化结果进行对比分析。实验结果表明，情感分歧度量化算法可实现对网络用户评论情感分歧度的量化；不同分歧度量化算法在适用性和区分度等方面的特点存在差异。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐健
	吴思洋

关键词 ：情感分析, 情感分歧度, 电影评论, 量化算法

收稿日期: 2019-03-23

基金资助:广东省自然科学基金项目“情感分歧度量化模型及其应用研究”（2018A030313981）。

作者简介: 徐健，男，1977年生，博士，副教授，硕士生导师，主要研究领域为情感分析、科学计量，E-mail:issxj@mail.sysu.edu.cn

引用本文:

徐健, 吴思洋. 网络用户评论的情感分歧度量化算法研究[J]. 情报学报, 2020, 39(4): 427-435.
Xu Jian, Wu Siyang. The Quantitative Algorithm of Sentiment Divergence Based on Web User Reviews. 情报学报, 2020, 39(4): 427-435.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2020.04.009 或 https://qbxb.istic.ac.cn/CN/Y2020/V39/I4/427

1 黄卫东, 陈凌云, 吴美蓉. 网络舆情话题情感演化研究[J]. 情报杂志, 2014, 33(1): 102-107.
2 张紫琼, 叶强, 李一军. 互联网商品评论情感分析研究综述[J]. 管理科学学报, 2010, 13(6): 84-96.
3 宋恩梅, 何帆. 基于多网站的商品评论倾向性研究: 以手机为例[J]. 图书馆学研究, 2016(2): 85-92.
4 郑飏飏, 徐健, 肖卓. 情感分析及可视化方法在网络视频弹幕数据分析中的应用[J]. 现代图书情报技术, 2015(11): 82-90.
5 王英, 龚花萍. 基于情感维度的大数据网络舆情情感倾向性分析研究——以“南昌大学自主保洁”微博舆情事件为例[J]. 情报科学, 2017, 35(4): 37-42.
6 姜国华. 关于证券分析师对中国上市公司会计收益预测的实证研究[J]. 经济科学, 2004(6): 72-79.
7 白晓宇. 上市公司信息披露政策对分析师预测的多重影响研究[J]. 金融研究, 2009(4): 92-112.
8 AvramovD, ChordiaT, JostovaG, et al. Dispersion in analysts’ earnings forecasts and credit rating[J]. Journal of Financial Economics, 2009, 91(1): 83-101.
9 王玉涛, 王彦超. 业绩预告信息对分析师预测行为有影响吗[J]. 金融研究, 2012(6): 193-206.
10 HarjotoM, JoH. Legal vs. Normative CSR: Differential impact on analyst dispersion, stock return volatility, cost of capital, and firm value[J]. Journal of Business Ethics, 2015, 128(1): 1-20.
11 BarronO E, StanfordM H, YuY. Further evidence on the relation between analysts’ forecast dispersion and stock returns[J]. Contemporary Accounting Research, 2009, 26(2): 329-357.
12 TirasS L. The influence of forecast dispersion on the incremental explanatory power of earnings, book value and analyst forecasts on market prices[J]. Accounting Review, 2007, 82(3): 651-677.
13 LiM Y, WuJ S. Analysts’ forecast dispersion and stock returns: A quantile regression approach[J]. Journal of Behavioral Finance, 2014, 15(3): 175-183.
14 尹慧, 赵国庆. 异质信念与投资风险[J]. 金融经济学研究, 2013, 28(1): 46-58.
15 张立凡, 赵凯. 媒体干预下带有讨论机制的网络舆情传播模型研究[J]. 现代图书情报技术, 2015(11): 60-67.
16 CaoN, LuL, LinY R, et al. SocialHelix: Visual analysis of sentiment divergence in social media[J]. Journal of Visualization, 2015, 18(2): 221-235.
17 ZhangZ, LiX, ChenY. Deciphering word-of-mouth in social media: Text-based metrics of consumer reviews[J]. ACM Transactions on Management Information Systems, 2012, 3(1): Article No. 5.
18 Suba?i?I, BerendtB. Peddling or creating? Investigating the role of Twitter in news reporting[C]// Proceedings of the European Conference on Information Retrieval. Heidelberg: Springer, 2011, 6611: 207-213.
19 SiganosA, Vagenas-NanosE, VerwijmerenP. Divergence of sentiment and stock market trading[J]. Journal of Banking & Finance, 2017, 78: 130-141.
20 TangE K, SuganthanP N, YaoX. An analysis of diversity measures[J]. Machine Learning, 2006, 65(1): 247-271.
21 巴志超, 李纲, 朱世伟. 科研合作网络的知识扩散机理研究[J].中国图书馆学报, 2016, 42(5): 68-84.
22 李纲, 巴志超. 科研合作超网络下的知识扩散演化模型研究[J]. 情报学报, 2017, 36(3): 274-284.
23 杨思洛, 程爱娟. 图情档期刊论文的零被引现象分析[J]. 情报学报, 2015, 34(3): 247-256.
24 ShannonC E. A mathematical theory of communication[J] ACM SIGMOBILE Mobile Computing and Communications Review, 2001, 5(1).
25 张慧玲, 许海云, 刘春江. 学科交叉期刊的识别方法研究[J]. 情报学报, 2018, 37(11): 1140-1153.
26 KohaviR, WolpertD. Bias plus variance decomposition for zero-one loss functions[C]// Proceedings of the Thirteenth International Conference on International Conference on Machine Learning. Morgan Kaufmann Publishers Inc., 1996: 275-283.
27 徐琳宏, 林鸿飞, 潘宇, 等. 情感词汇本体的构造[J]. 情报学报, 2008, 27(2): 180-185.
28 结巴分词组件[EB/OL]. [2019-01-08]. https://github.com/fxsjy/jieba.
29 弹幕多维情感词典[DB/OL]. (2015-06-07) [2019-01-08]. https://wenku.baidu.com/view/22191501b9d528ea81c779dd.html.