twitter怎么读(Twitter是怎么做情感分析的？长文解读！)

twitter怎么读(Twitter是怎么做情感分析的？长文解读！)，哪吒游戏网给大家带来详细的twitter怎么读(Twitter是怎么做情感分析的？长文解读！)介绍，大家可以阅读一下，希望这篇twitter怎么读(Twitter是怎么做情感分析的？长文解读！)可以给你带来参考价值。

摘要：如今，Twitter、Tumblr和Facebook等社交网站深受互联网用户欢迎。在这些热门网站上，每天都有数以百万的消息产生。这些消息的作者记录自己的生活，分享对不同话题的看法，并讨论当前的问题。此类网站已经成为人们评论与情感信息的宝贵来源，这样的数据能够有效地用于营销或社交研究。

如今，微博已成为一种深受互联网用户欢迎的沟通工具。在那些提供微博服务的热门网站上，如Twitter、Tumblr和Facebook，每天都有数以百万的消息产生。这些消息的作者记录自己的生活，分享对不同话题的看法，并讨论当前的问题。由于消息格式不受限制以及微博平台易于访问，互联网用户倾向于从传统沟通工具（如传统的博客和邮件列表）转移到微博服务上来。随着越来越多的用户讨论自己使用的产品和服务，或表达自己的政治和宗教观点，微博网站已经成为人们评论与情感信息的宝贵来源。这样的数据能够有效地用于营销或社交研究[1]。

1 引言

1.1 情感分析的应用

情感分析可应用于众多领域。

A. 电子商务

情感分析最常用于电子商务活动。网站允许其用户发表他们关于购物与产品质量的体验。通过分配等级或分数，这些网站能够为产品和产品的不同功能提供简要的描述。客户可以清楚地查看关于整个产品以及特定产品功能的意见和建议。整个产品与其功能通过图形摘要的形式展示给用户。诸如amazon.com等热门商家网站还会提供来自编辑以及客户的评级信息。是一家深受欢迎的网站，提供关于旅游目的地酒店的点评。这家网站记录了来自世界各地7500万条的点评信息。通过分析这些海量的评论，情感分析能够帮助这样的网站将不满意的用户转化为其拥护者。

B. 市场呼声（Voice of the Market，VOM）

市场呼声是指消费者关于竞争对手提供的产品与服务的使用感受。及时准确的市场呼声有助于取得竞争优势，并促进新产品的开发。尽早检测这类信息有助于进行直接、关键的营销活动。情感分析能够为企业实时地获取消费者的意见。这种实时的信息帮助企业制定新的营销策略，改进产品功能，并预测产品故障的可能。Zhang等人基于情感分析提出了一种弱点搜索系统，借助中文评论帮助制造商发现他们产品的弱点。目前，有很多商业和免费的情感分析服务可供使用，Radiant6、Sysomos、Viralheat、Lexalytics都提供此类商业服务。和也提供了免费的情感分析工具。

C. 消费者呼声（Voice of the Customer，VOC）

消费者呼声是指个体消费者对产品与服务的评价。这就需要对消费者的评价和反馈进行分析。VOC是客户体验管理中的关键要素。VOC有助于企业抓住产品开发的新机会。提取客户意见同样也能帮助企业确定产品的功能需求和一些关于性能、成本的非功能需求。

D. 品牌声誉管理

品牌声誉管理注重于市场中自身品牌信誉的管理。来自消费者与任何第三方的意见都有可能损害或提升品牌的声誉。与消费者相比，公司更为看中品牌声誉管理（BRM）。如今，一对多式的对话在互联网中占据较大比例，这为机构管理和加强品牌声誉创造了机会。现在的声誉管理不仅由广告、公共关系和企业信息决定。如今，品牌是与上述因素相关的对话的总和。情感分析有助于明确网上社区对公司的品牌、产品以及服务的评价。

E. 政府

通过分析公众的评论，情感分析可以帮助政府评估自身的优势和不足。例如，"如果是这种状况twitter怎么读，你还怎么能指望真相浮出水面呢？调查2G手机牌照案的MP自身就很腐败"。这条评论清楚地表达了对政府的负面情绪。无论是跟进公民对新108系统的看法，确定政府岗位在招聘活动中的优势和不足，评价提交电子版纳税申报表的成功与否，还是许多其他的领域，我们都能从中看到情感分析的用武之地。

图1：情感分析有助于了解公众情绪是如何影响选举结果的。

1.2 推文的特症

从情感分析的角度，我们讨论Twitter的以下几点特征：

推文长度

一条Twitter消息的最大长度是140个字符。这意味着我们实际上可以将一条推文理解为一个独立的句子，不包含复杂的语法结构。这与情感分析在电影评论等传统主题上的应用有着巨大的差异。

使用的语言

Twitter可通过各种媒体使用，包括短信和手机应用程序。由于这一点和140字符的限制，推文中的语言往往更具口语化，而且含有很多俚语和拼写错误。话题标签在Twitter上也变得越来越流行，它是任何给定推文的重要特征。如图3所示，我们的分析表明，每条推文平均有1-2个话题标签。

数据可用性

另一个不同是可用数据的规模。使用Twitter API可以很轻松地收集到数百万条推文用于算法训练。同时，还有一些提供自动或手工标注推文的数据集可供使用。

话题范围

人们通常就他们喜欢和不喜欢的事物在社交媒体上发表评论。这些评论并不都是关于同一个话题的。基于这一点，使用Twitter数据的算法训练具备了一个得天独厚的优势，不同于那些使用电影影评或其他数据集构造的针对特定领域的分类器，我们可以构造出一个通用的分类器。

2 相关工作 2.1 Go, Bhayani and Huang (2009)

他们将符合检索词的推文划分为负面情绪和正面情绪。他们从Twitter中自动采集数据，以构建训练数据集。为了收集含正面情绪和负面情绪的推文，他们在Twitter中使用表示快乐和悲伤的表情符合进行检索。

他们尝试了各种特征——一元词串、二元词串、词性，使用了不同的机器学习算法训练分类器——朴素贝叶斯、最大熵模型、可伸缩向量机，并通过统计公共语料库中正面与负面词语的数量，和基准分类器的分类结果进行了比较。他们报告称，词性标注与仅使用二元词串对结果并没有帮助，朴素贝叶斯分类器的效果最好。

2.2 Pak and Paroubek (2010)，Koulompis, Wilson and Moore (2011)

他们认为，推文中非正式且富有创造性的语言的使用，使面向推文的情感分析任务明显不同于其他情感分析。他们利用过去在话题标签和情感分析上的工作构建自己的分类器，通过爱丁堡的Twitter语料库找出最频繁使用的话题标签，人工地划分这些标签，并反过来使用这些标签对推文进行分类。除了使用n元词串特征和词性特征，他们还根据现有的MPQA主观词汇和网络俚语字典twitter怎么读，创建了一个特征集。他们报告称，结合n元词串特征和词汇特征，模型能够取得最好的结果，然而使用词性特征则会导致模型准确率下降。

总结：以上内容就是针对twitter怎么读(Twitter是怎么做情感分析的？长文解读！)详细阐释，如果您觉得有更好的建议可以提供给哪吒游戏网小编，twitter怎么读(Twitter是怎么做情感分析的？长文解读！)部分内容转载自互联网，有帮助可以收藏一下。