面向微博热门话题的主客观分类方法研究
面向微博热门话题的主客观分类方法研究
【摘要】：随着Web2.0的快速发展,互联网的载体已经不仅仅是单一的电脑,手机、平板电脑等移动终端已经悄然进入了人们的视野。
人们获取、分享信息也不单单通过社区、博客,而是能够随时随地发表微博,实现即时分享。
微博用户的大幅度增长吸引了一大批学者对其发表言论进行研究,面向微博热门话题的主客观分类问题是其中的重要课题之一。
到目前为止,国内外学者主要针对无话题的微博文本进行研究,而面向热门话题的微博文本研究尚处于起步阶段。
热门话题下的微博言论文本具有话题分散性,即用户发表的言论常常与当前的热门话题不相关,这个现象会导致针对微博热门话题的主客观分类方法准确率不高。
基于此,本文将面向微博热门话题的主客观分类问题看成是两个子问题——话题相关性分类子问题和主客观分类子问题,对两个子问题独立建模,再使用Logistic回归对两个结果集建模,得出当前热门话题下的主观性观点表达。
本文的主要研究内容如下：(1)研究了基于同义词词林的话题相关度计算方法。
在话题相关性分类子问题中,主要研究当前微博语料是否与所关注的热门话题相关,如何度量两者之间的相关程度是此问题的关键之处。
本文以同义词词林扩展版作为资源,通过计算当前词与热门话题词的距离来刻画两者之间相关程度,以此来简化话题相关度的计算方法。
(2)研究了基于汉语框架语义网生成有效观点词集的方法。
在主客观分类判断子问题中,主要是判断当前微博是否属于主观观点表达。
其中构建有效的观点词集是
该问题中重要的步骤之一。
本文利用汉语框架语义网中框架间关系和词元,以“观点”框架内词元为种子集,构建了有效的观点词集。
(3)研究了将话题相关性模型结果和主客观分类模型结果统一的方法,使用Logistic回归模型将两重结果统一在一个模型下,得到热门话题下的主观文本。
(4)本文使用无话题相关性分类的主客观分类方法作为Baseline,并与多分类主客观分类方法与分步主客观分类方法进行对比分析。
分析了使用Logistic回归模型并行融合话题相关性分类结果与主客观分类结果的重要性。
【关键词】：热门话题主客观分类话题相关性分类Logistic回归模型
【学位授予单位】：山西大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP393.092;TP391.1
【目录】：摘要4-6Contents6-8中文摘要8-9ABSTRACT9-11第一章绪论11-171.1研究背景及意义11-131.2国内外研究现状13-141.3本文研究内容14-151.4论文组织结构15-17第二章问题描述及相关资源17-232.1面向微博热门话题的主客观分类问题描述17-182.1.1话题相关性分类子问题描述182.1.2主客观分类子问题描述182.2相关资源18-212.2.1同义词词林及扩展版18-192.2.2汉语框架语义网19-212.3
本章小结21-23第三章面向微博热门话题的主客观分类方法23-313.1条件随机场模型233.2面向微博热门话题主客观分类建模23-243.2.1Logistic回归模型23-243.2.2模型影响因素及判断标准243.3话题相关性分类模型24-273.3.1词与热门话题词最大相关度算法25-263.3.2话题相关性分类特征选择26-273.4主客观分类模型27-293.4.1汉语框架网框架距离27-283.4.2观点词集构建方法28-293.4.3主客观分类特征选择293.5本章小结29-31第四章实验及结果分析31-414.1实验语料来源及预处理31-344.1.1实验语料来源314.1.2实验语料预处理31-344.2实验结果评价指标34-354.3实验结果及分析35-374.3.1话题相关性模型结果及分析354.3.2主客观分类模型结果及分析35-364.3.3面向微博热门话题主客观分类模型结果及分析36-374.4Baseline及对比实验分析37-404.4.1Baseline37-384.4.2对比实验38-404.5本章小结40-41第五章结论与展望41-435.1结论415.2展望41-43参考文献43-47攻读学位期间取得的研究成果47-49致谢49-51个人简况及联系方式51-55 本论文购买请联系页眉网站。
面向微博网络舆情的热门话题检测系统框架研究
163数据库技术Database Technology电子技术与软件工程Electronic Technology & Software Engineering通过微博平台，用户可以公开性地发表原创内容，并实现转发、点赞、评论、搜索等功能，使得公众可以在微博平台自由反映自身观点，提高信息传播速度同时，也容易出现诸如不良信息、谣言等不当言论等现象，如果不及时管理会形成负面网络舆情[1]。
微博的发展十分迅速，逐渐成为在网络舆情监控的主要平台，针对微博网络舆情开展热门话题的发现、演化和跟踪的相关技术的研究，对互联网舆情监管具有十分重要的意义[2]。
1 研究现状网络舆情热点话题是指公众在一定时期，一定范围内最关注的热点问题[3]。
通过数据采集、数据处理和热点话题识别三步实现热点话题检测，其中数据采集阶段主要是利用网络爬虫技术来采集微博数据，数据处理阶段利用各种信息处理技术对所采集到的各种信息进行加工和操作，在热门话题识别阶段通过增量文本聚类将输入信息分类到不同的主题中[3]。
路荣发利用K-means 聚类方法聚类速度快的优点实现第一层聚类，然后再针对第一层聚类的结果设定阈值参数，使用层次聚类结果满足阈值[4]。
李劲等学者提出基于特定领域的中文微博热点话题挖掘系统 BTopicMiner [5]。
张静基于微博网络热点相似度和测度方法以及基于传播路径和用户行为的中心化方法，构建了面向微博内容的网络热点发现平台[6]。
邓一贵、马雯雯等基于隐含语义分析构建了两阶段聚类话题发现方法[7]。
基于Single-Pass 聚类算法王宏勇设计了热点舆情自动发现系统的方案[8]。
陈兴蜀等利用潜在狄利克雷分配(LDA)模型将文本由词汇空间降维到主题空间，然后采用聚类算法在主题空间对文本集进行聚类，并利用文中提出的热点话题检测方法得出热点话题[2]。
王琳炜通过爬取微博数据，利用Word2vec 向量模型和 TF-IDF 权值算法得到热点网民微博词云图中的词类、词性占比和词汇相似比等指标，然后对各种指标进行汇总分析[10]。
社交媒体中的话题跟踪与演化分析方法
社交媒体中的话题跟踪与演化分析方法随着社交媒体的日益流行，人们越来越多地将自己的生活、观点和观感分享在各种社交网络平台上。
这些分享涵盖了众多领域，包括时事新闻、娱乐八卦、科技前沿等，这些话题的跟踪和演化成为了研究的重点之一。
本文将介绍社交媒体中话题跟踪和演化分析的一些方法和工具，以及它们的应用场景。
一、话题跟踪方法话题跟踪是指通过社交媒体上用户的言论和分享，发掘出最新、最热的话题。
话题跟踪可以通过以下几种方式实现。
1.基于关键词的搜索通过搜索关键词，如“新冠疫情”、“特朗普”等，可以找到与之相关的所有帖子和评论，从而了解最新的动态。
这种方式简单易行，但搜出的结果可能不够精准，需要根据用户的需求进行筛选。
2.基于话题的榜单一些社交媒体平台会对热门话题进行排行榜，比如微博的热搜榜、Twitter的趋势标签。
通过这些榜单，可以快速了解当前的热度和话题焦点，但这些榜单可能会出现水军或人为刷榜等情况，对数据的准确性产生影响。
3.基于机器学习的话题识别通过机器学习算法，将社交媒体上的言论和分享归为某个话题，并进行分类分析。
这种方式需要有大量的数据作为支撑，并对算法进行不断优化，但准确性和全面性较高。
二、话题演化分析方法话题不断地变化和演化，如何对话题进行演化分析是一个科学的问题。
话题演化分析可以通过以下几种方式实现。
1.时间序列分析通过建立话题随时间变化的时间序列，对话题在时间维度上的变化进行分析。
比如对于一个新闻事件，可以在时间轴上描绘出新闻报道量、文章评论数、社交媒体上的讨论量等各种指标，在不同时间段上进行比较。
2.网络分析通过社交网络的关系图，对话题的传播路径和演化进行可视化和分析。
比如可以通过追踪社交媒体上的转发、评论和点赞，确定话题的传播路径和传播速度，寻找影响社交媒体话题演化的关键人物和节点。
3.情感分析通过自然语言处理技术，对社交媒体上的用户言论进行情感分析，判定言论中的积极、消极、中性情感。
微博热点话题的情感分析研究
微博热点话题的情感分析研究随着社交媒体的普及，人们越来越频繁地在微博上发表自己的情感。
微博上的热点话题也往往能够反映社会热点和人们的情感动态。
因此，对微博热点话题进行情感分析研究具有重要意义。
一、什么是情感分析情感分析，又叫情感识别、情感判别，是指通过对人类语言的处理和分析，对其中蕴含的情感进行识别的一项技术。
常见的情感分析包括正向情感、负向情感和中性情感。
二、微博热点话题的情感分析应用1.情感分析对于评估社会状况具有重要意义。
随着社交媒体的兴起，越来越多的人们会在微博上表达自己的情感和观点。
通过对微博热点话题进行情感分析可以得出人们对社会热点和事件的态度，从而评估社会状况。
2.情感分析对于品牌营销具有重要意义。
微博是一个品牌宣传和营销的重要平台，通过对微博上的话题和用户情感的分析，可以帮助企业更好地了解消费者需求，制定更加符合市场需求的营销策略。
3.情感分析对于舆情监测具有重要意义。
微博上的热点话题往往能够反映社会舆情，通过对微博热点话题的情感分析可以帮助政府和企业了解社会热点和民意动态，制定相应的政策和营销策略。
三、微博热点话题的情感分析方法1.通过情感词典进行情感分析。
情感词典是一个包含正向情感词、负向情感词和中性情感词的词库。
通过对微博文本中出现的情感词汇进行统计和分析，得出微博话题的情感极性。
2.通过机器学习进行情感分析。
机器学习是一种无监督学习的方法，通过对大量的微博文本进行学习和模拟，训练机器语言模型，得出微博话题的情感极性。
四、微博热点话题的情感分析研究现状目前，国内外已经有不少学者对微博热点话题进行了情感分析研究。
其中，一些研究结果表明，不同领域的微博话题的情感极性存在一定的区别，不同性别和年龄段的微博用户的情感表现也存在差异。
此外，随着深度学习和人工智能技术的发展，微博热点话题的情感分析研究也越来越精准和准确。
总之，微博热点话题的情感分析研究对于社会状况评估、品牌营销和舆情监测具有重要意义。
微博话题的情感分析方法研究
微博话题的情感分析方法研究随着社交媒体的发展，微博已经成为了人们交流和获取信息的重要平台。
大量的用户在微博上发布各种话题，这些话题不仅反映了人们的兴趣和关注点，也涵盖了各种情感和态度。
情感分析是一种重要的技术，可以帮助我们准确地了解微博用户的情感和态度。
本文将从数据来源、情感分类和分析方法三个方面介绍微博话题的情感分析方法研究。
一、数据来源微博是一个大规模的社交媒体平台，每天都有数以亿计的用户在其中互动交流。
对于情感分析来说，数据来源是一个至关重要的问题。
目前，微博情感分析的数据来源主要有两种方式。
第一种是手动标注，这种方式需要大量的人力和时间成本。
实现手动标注需要选取一些语料样本，对每个样本进行情感标注。
然后通过人工阅读微博内容，对数据样本进行情感标注。
虽然这种方式可以确保情感分类的准确性，但时间成本和标注人员的标注一致性等问题限制了手动标注的普及和应用。
第二种是使用自动标注技术。
自动标注技术可以大量减少标注成本。
常见的自动标注技术包括基于情感词典的方法、基于词向量的方法等。
其中，情感词典是一种包含了各种情感词汇和其情感极性的词典。
基于情感词典的方法主要是将文本中的每个词汇与情感词典进行匹配，然后统计每个词汇的情感分数，最终通过加权和的方式将文本情感得分计算出来。
基于词向量的方法则采用机器学习算法对训练数据进行学习，然后对测试文本分词并生成词向量表示，再使用分类器进行情感分类。
二、情感分类情感分类是微博情感分析的核心部分。
情感分类主要是将文本分为积极、消极和中性三类。
其中，积极和消极类别是情感分类的两个重要方面。
情感分类的实现需要采用一些自然语言处理技术。
常见的情感分类技术包括基于词典的方法、机器学习算法和深度学习算法等。
基于词典的方法是应用最为广泛的情感分类技术。
该方法主要是将情感词典中的情感词汇与待分类文本进行词汇匹配，并计算每个词汇的情感极性得分，最后根据得分总和判断文本情感极性。
机器学习算法是一种基于数据驱动的情感分类技术。
微博调查计划书
微博调查计划书1. 背景和目标随着社交媒体的快速发展，微博作为中国最大的社交平台之一，拥有庞大的用户群体和海量的信息流。
微博的热门话题和用户观点对于了解社会热点、舆情分析和市场调研具有重要意义。
因此，本调查计划旨在利用微博平台，开展一项系统性的调查研究，以了解用户对特定话题的看法和态度。
2. 调查对象和范围本次调查计划将选择微博平台上的用户作为调查对象，调查范围将根据具体的调查主题确定。
调查对象的选择将采用随机抽样的方法，确保结果具有一定的代表性。
3. 调查主题和内容调查主题和内容将依据实际需要而确定，可以是社会热点问题、产品市场调研、用户满意度调查等。
调查内容将包括但不限于以下几个方面：3.1 调查目标明确调查的具体目标，例如了解用户对某产品的使用情况、了解用户对某事件的看法等。
3.2 调查问题设计调查问题，以获取与调查目标相关的信息。
问题应具有针对性、简明扼要，并能够反映调查主题的关键因素。
3.3 调查样本确定调查样本的规模和构成，以确保样本能够代表整个目标群体。
样本量的确定可以采用统计学方法，以获得一定的置信水平和抽样误差。
3.4 问卷设计编写和设计调查问卷，包括问题的顺序、问题类型（开放式问题、封闭式问题等）、选项设计等。
问卷设计应尽量简洁明了，避免引导性和偏见。
3.5 数据收集选择合适的方式进行数据收集，可以通过在线问卷、面对面访谈等方式获取调查数据。
数据收集过程中应保证数据的真实性和隐私保护。
3.6 数据分析对收集到的数据进行整理和分析，采用适当的统计方法对数据进行描述和归纳，提取出有价值的信息和结论。
4. 调查时间和预算调查的时间和预算将根据具体的调查范围和内容确定。
调查时间应充分考虑数据收集、整理和分析的时间，确保调查结果的及时性和准确性。
预算将包括数据收集的成本、问卷设计和印刷的费用等。
5. 信息发布和结果呈现调查结果将以适当的方式发布和呈现，可以通过撰写调查报告、制作可视化图表、发布调查结果的宣传材料等方式进行。
微博热点话题的舆情分析与预测方法研究
微博热点话题的舆情分析与预测方法研究随着互联网和社交媒体的快速发展，微博已成为全球范围内最受欢迎的社交平台之一。
微博上的热点话题涉及各个领域，包括娱乐、体育、科技、社会等，这些话题对于了解公众舆论和社会热点问题具有重要意义。
为了准确把握微博热点话题的动态，并预测相关舆论发展，需要借助有效的分析方法。
舆情分析是指对社会舆论的采集、整理、分析和运用的过程。
微博作为人们发布和传播信息的重要平台，其中蕴含的丰富信息给舆情分析提供了广阔的空间。
在进行微博热点话题的舆情分析时，可以利用以下几种方法：1. 文本挖掘方法：通过分析微博中的文本数据，挖掘出其中隐藏的知识和关系。
文本挖掘可以包括文本分类、情感分析、实体识别等技术。
例如，可以使用机器学习算法对微博文本进行分类，将其归类为正面、负面或中性。
同时，可以通过情感分析了解用户对于特定话题的情绪倾向，从而更好地把握舆论态势。
2. 社交网络分析方法：微博上的用户关系网络是了解用户之间的互动关系和信息传播路径的重要依据。
通过分析微博用户之间的关系和社交网络结构，可以揭示用户之间的影响力、信息传播模式等。
例如，可以通过社交网络分析找出在某一话题上具有影响力的关键用户，从而引导舆论的发展方向。
3. 时间序列分析方法：微博上的热点话题往往具有一定的时间特征，通过时间序列分析可以研究舆论的发展趋势和周期性。
例如，可以绘制话题在微博上的讨论数量随时间变化的曲线图，进而预测舆论的未来发展趋势。
除了舆情分析，预测微博热点话题的舆情也是一个重要的研究方向。
预测舆情可以帮助政府、企业和个人更好地制定决策，及时回应和引导社会热点问题。
为了预测微博热点话题的舆情，可以采用以下方法：1. 关键词和话题挖掘：通过对微博上的关键词、话题进行挖掘和分析，找出与舆论发展密切相关的关键词，并对话题进行分类和预测。
例如，可以通过分析用户讨论的关键词，提前发现新的热点话题，并估计其未来的影响力。
2. 时间序列分析和预测：通过时间序列分析方法对微博话题的讨论数量进行预测。
关于微博热搜调研报告
关于微博热搜调研报告微博热搜调研报告一、引言微博作为中国最著名的社交媒体平台之一，具有广泛的用户群体和信息资源。
其中，微博热搜榜是用户在浏览微博时最常关注的话题排行榜，展现了当下社会热点和用户关注度的一个缩影。
本报告致力于从用户行为、话题热度和影响力三个方面，分析微博热搜的特点和影响。
二、用户行为1. 频繁浏览与搜索根据我们对微博用户的调查发现，大部分用户会频繁浏览微博热搜榜，并使用搜索功能查找自己感兴趣的话题。
这充分说明微博热搜榜对用户意见引导、信息获取和社交互动起到了重要作用。
2. 点击量较高的热门话题在分析微博热搜榜的数据时，我们发现点击量较高的话题大多是与明星、综艺节目、新闻事件等相关的内容。
这表明用户对娱乐、八卦和时事新闻信息的关注较高，微博热搜榜也在一定程度上引导了用户兴趣和信息消费的方向。
三、话题热度1. 时事热点微博热搜榜往往涵盖了当下的各类时事热点，如国内外重大新闻事件、政治动态、社会现象等。
通过追踪和分析热搜榜，我们可以更好地了解当前社会的热门议题和舆论动态。
2. 娱乐八卦娱乐八卦是微博热搜榜中的另一个热门话题。
明星的新闻动态、综艺节目的热播和剧情发展等都能引起大量用户的关注和讨论。
这些话题的热度往往是短暂的，但却能快速吸引用户的眼球。
四、影响力1. 舆论引导微博热搜榜是用户了解和参与社会热点讨论的重要来源之一。
许多公众人物、媒体机构和企业都会通过微博来发布和推广自己的观点、产品或服务。
热搜榜的高点击量使得用户更加容易接触到这些内容，从而达到舆论引导的目的。
2. 推动传播微博热搜榜的话题一经曝光，就往往会迅速引起大量用户的转发和评论。
这种传播效应可以迅速将一个话题扩散到更多的用户之间，推动信息的传播速度和范围。
同时，一些有影响力的大V也能通过热搜榜发布的内容获得更多的关注和转发，进一步提升了其影响力。
五、结论微博热搜榜作为一个重要的社交媒体排行榜，对用户行为、话题热度和影响力都有一定的作用。
《2024年浅析微博热搜榜泛娱乐化偏失问题》范文
《浅析微博热搜榜泛娱乐化偏失问题》篇一一、引言微博作为当今社交媒体的重要平台，其热搜榜一直是公众关注的焦点。
然而，近年来微博热搜榜的泛娱乐化偏失问题逐渐凸显，引发了社会各界的广泛关注和讨论。
本文旨在浅析微博热搜榜泛娱乐化偏失问题的现状、原因及影响，并提出相应的解决对策。
二、微博热搜榜泛娱乐化偏失的现状微博热搜榜的泛娱乐化偏失主要表现为以下几个方面：一是娱乐类话题占据主导地位，其他领域的声音被淹没；二是热门事件往往缺乏深度和广度，热点更迭迅速，缺乏持久性；三是部分热搜内容存在虚假、夸大等不良信息，影响公众判断。
三、泛娱乐化偏失的原因分析1. 市场需求：微博作为社交媒体平台，需要满足用户的需求。
在信息爆炸的时代，娱乐类内容更容易吸引用户的注意力，因此市场需求成为泛娱乐化偏失的重要原因。
2. 算法推荐：微博的推荐算法倾向于推荐娱乐类内容，以提升用户的活跃度和粘性。
这导致其他领域的声音在热搜榜上难以得到展示。
3. 媒体炒作：部分媒体为追求点击率和关注度，刻意制造热点话题，使得热搜榜的真实性受到质疑。
4. 用户心理：人们普遍对娱乐类话题更感兴趣，这也在一定程度上推动了热搜榜的泛娱乐化。
四、泛娱乐化偏失的影响1. 文化多元化受阻：泛娱乐化偏失导致其他领域的声音被淹没，阻碍了文化的多元化发展。
2. 信息真实性受质疑：部分虚假、夸大等不良信息在热搜榜上占据一席之地，使得公众对信息的真实性产生质疑。
3. 社会价值观扭曲：过度关注娱乐类话题可能导致社会价值观的扭曲，影响社会的和谐稳定。
五、解决对策1. 平台自我调整：微博应优化推荐算法，增加对其他领域内容的推荐力度，使热搜榜更加多元化。
2. 加强内容审核：严格把关热搜内容的质量，对虚假、夸大等不良信息进行严格打击和处罚。
3. 引导媒体责任：媒体应承担起社会责任，避免刻意制造热点话题，传播正能量。
4. 提升用户素质：加强用户教育，提高用户对信息真实性的辨别能力，共同维护热搜榜的健康发展。
新浪微博市场调查报告
课题名称：在校大学生新浪微博使用情况调查班级：20104171 市场营销成员：刘洋杨靖赟赵青陈晓东曹有利詹聪明雷斯豪指导老师：张雄林在校大学生新浪微博使用情况调查报告一、调查背景：近年来，随着信息技术的迅猛发展，互联网开始构筑起一种全新的工作，学习和生活方式，成为重要的信息平台和交流工具。
社交网络已经成为大学生课余生活的重要内容。
社交网络缩小了人与人之间的距离，交流越来越便利，日益改变着我们的生活方式、学习及工作方式。
大学生作为信息时代最活跃的人群，已经成为社交网络使用的主要用户。
微博，作为社交网络的领军平台，同时作为一种自由表达、分享和交流的工具，近两年来，在中国已得到飞速发展。
以目前领先的新浪微博为例，拥有超过3亿注册用户、超过30万认证用户，其中有13万多家企业与机构账户。
微博在舆论、资讯等方面有着越来越强大的影响力已经成为共识，说“微博改变世界”毫不夸张，至少在中国得到了很大程度上的证实！我们看到越来越多的政府、商业机构把微博作为对外的一个窗口。
大学生作为接受新鲜事物最快的一个族群，这场科技推动社会进步的盛宴自然也少不了他们。
那么在校大学生使用微博的状况如何？微博对他们而言意味着什么？为了进一步了解在校大学生的新浪微博使用情况，我们组织了此次市场调研。
二、调查目的：为了解大学生微博使用情况，促进微博的改善，促进大学生积极理智地使用微博。
同时也就对于大学生使用微博该注意什么进行分析，并对提高大学生微博的使用提出有关的见解。
因此，我们希望通过科学客观的方法对大学生微博情况进行系统的调查，得出一定的数据进行分析，并提出相关的对策。
大学生对于微博的使用情况。
大学生对于微博的满意度及改进意见。
微博可以发挥什么样的营销价值？微博作为新的数字化浪潮显现出来的时候，它会带来什么样的营销机会？三、调查方法——问卷调查（发放网络问卷）四、调查对象：在校大学生新浪微博用户五、研究方法——定量研究样本容量：共发放问卷100份，有效问卷99份，1份无效问卷男女比例如下图：六、结果分析（1）新浪微博使用基本情况A.被调查者在新浪微博使用途径的选择上，手机和电脑最为普遍。
中文微博情感分析中主客观句分类方法
（ 重庆理 工 大学 计 算机 科学 与工 程学 院 ， 重庆
摘
要： 采 用朴 素 贝叶斯 分类 器对微 博语 句的主客 观 分 类 问题 进行研 究。 首先 分析 微博 文
本和其他文本 的主要 区别 ， 并针对微 博文本 的表 述特点提取 一些主客观 线 索特 征， 然后对 ２ ．
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ａｓ ａ ｒ ｅ ｓ ｕ ｌ ｔ ｏ ｆ ｔ ｈ ｅ ｒ ａ ｐ ｉ ｄ ｌ ｙ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｉ ｎ ｇ ｎ ｕ ｍｂ ｅ ｒ ｏ ｆ ｍｉ ｅ ｒ ｏ ｂ ｌ ｏ ｇ ｕ ｓ ｅ ｒ ｓ ，ｓ ｅ ｎ ｔ ｉ ｍｅ ｎ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｎ ｍｉ － ｃ ｒ ｏ ｂ ｌ ｏ ｇ ｄ ａ ｔ ａ ｈ ａ ｓ ａ ｔ ｔ ｒ ａ ｃ ｔ ｅ ｄ ｍｏ ｒ ｅ ａ ｎ ｄ ｍｏ ｒ ｅ ａ ｔ ｔ ｅ ｎ ｔ ｉ ｏ ｎ ． Ｔ ｈ ｅ ｉ ｆ ｒ ｓ ｔ ｓ ｔ ｅ ｐ ｏ ｆ ｓ ｅ ｎ ｔ ｉ ｍｅ ｎ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｉ ｓ ｔ ｏ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ
ｓ ｅ ｌ ｅ ｃ ｔ ｓ ｏ ｍ ｅ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ａ ｎ ｄ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｅ ｘ ｉ ｃ ａ ｌ ｃ ｌ ｕ ｅ ｓ ｆ ｏ ｒ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ ｍ ｉ ｃ ｒ ｏ ｂ ｌ ｏ ｇ ．Ｓ ｅ ｃ ｏ ｎ ｄ ， ｗ ｅ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ２ － Ｐ Ｏ Ｓ
Ｐ Ｏ Ｓ模 式 的最佳 选取 方 式进 行研 究 ， 最后 以特 征 词 和 主 客 观 线 索做 语 义特 征 ， ２ － Ｐ Ｏ Ｓ模 式做 语 法特征 ， 采 用朴素 贝叶斯分 类 器分 别研 究 它 们 对分 类 结 果 的影 响 。 实验 结 果表 明 ， 同时 考虑 语 义特征 和 语 法结构 特征 的 分类 效果 比仅 考虑 一种 特征 时要 好 。