（3）个人管理

第 2  页 本科毕业设计说明书 

基于个人微博的情绪分析可以让人们加强对自我的了解，了解自己的情绪状态，从而调 整自己的情绪状态，提高生理健康，改善自己的人际关系。企业对员工微博进行情绪分析， 有利于了解员工的情绪状态，以及员工性格，从而更好地为员工分配工作，提高他们的工作 效率。

1。3 情绪分类研究现状

1。4 主要研究内容和组织结构

微博语料长度短小，数量多，且具有不规范性。它的文法通常是非正式的，语言偏口语 化和生活化，带有缩写、拼写错误、不规范用语、噪音及表情符。微博短文中通常含有显著 的个人意图和明显的个人zhuyi感情色彩。

本科毕业设计说明书 第 3  页

本文主要研究对新浪微博文本进行情绪分类，对于某条微博，首先判断它是否有情绪， 对于有情绪的微博进一步进行具体情绪预测，分为高兴 happiness、喜好 like、惊讶 surprise、 愤怒 anger、厌恶 disgust、恐惧 fear、悲伤 sadness 这七种情绪类别中的一种。文献综述

本文第二章构建了表情词典、卡方词典，实现了基于规则的情绪分类方法。第三章介绍 了 SVM、Naive Bayesian 联合 SVM、Naive Bayesian 联合 KNN、Naive Bayesian 联合 MLKNN 这四种基于机器学习的情绪分类方法。第四章，介绍了一种规则方法联合机器学习进行情绪 分类的方法。

第 4  页 本科毕业设计说明书 

2 基于规则的情绪分类

基于规则的情绪分类方法主要依赖于情感词， 如“兴高采烈”、“惶然不安”。本章根 据微博的特点构建了表情词典和卡方词典，并制定了规则进行情绪分类，最后通过实验验证 了本章方法的有效性。

2。1 情绪词典 DUTIR

大连理工大学开发的情绪本体库 DUTIR 是 NLP&CC2013 指定使用的情绪词表，它是大 连理工大学信息检索研究室整理和标注的。

中文情感词汇本体中的情绪分为 7 个大类 21 个小类，其中 7 大类为好（like）、乐(happiness)、 哀(sadness)、怒(anger)、惧(fear)、恶(disgust)、惊(surprise)，21 小类为快乐(PA)、安心(PE)、 尊敬(PD)、赞扬(PH)、相信(PG)、喜爱(PB)、祝愿(PK)、愤怒(NA)、悲伤(NB)、失望(NJ)、疚 (NH)、思(PF)、慌(NI)、恐惧(NC)、羞(NG)、烦闷(NE)、憎恶(ND)、贬责(NN)、妒忌(NK)、 怀疑(NL)、惊奇(PC)。它以 excel 的形式进行存储，情感词共 27466 个，详细存储形式见表 2。1。

表 2。1 DUTIR 情绪词典部分词

词 词性 词义数 词义序号 主要情感 强度 极性 辅助情感 强度 极性

贼眼 noun 1 1 NN 5 2 NC 5 2

战祸 noun 1