综合用户人格特征和社交关系的用户情绪分析方法和系统技术方案

本发明专利技术提供一种综合用户人格特征和社交关系的用户情绪分析方法和系统，涉及计算机技术领域。本发明专利技术通过基于所述用户社交媒体平台数据获取用户大五人格特征的矩阵；基于所述社交网络数据获取情绪影响矩阵；基于所述文本数据构建面向话题的关联矩阵；基于所述用户大五人格特征的矩阵、情绪影响矩阵和关联矩阵获取情感分类模型，所述情感分类模型用于对用户进行情感分析。利用考虑社交关系和话题的情感分类模型提高对用户情感分析的精度。结合以上，完成对用户更客观精准的情绪分析。完成对用户更客观精准的情绪分析。完成对用户更客观精准的情绪分析。

【技术实现步骤摘要】
综合用户人格特征和社交关系的用户情绪分析方法和系统


[0001]本专利技术涉及计算机
，具体涉及一种综合用户人格特征和社交关系的用户情绪分析方法和系统。

技术介绍

[0002]随着各类在线社交服务的迅速发展，社交媒体已经成为主体渗透到生活的方方面面，社交媒体几乎是互联网用户互动流量最大的领域。通过在社交媒体(如微博)来评论热点事件、抒写影评观点、描述产品体验等，产生了大量带有情感倾向的文本信息，而通过对这些文本信息进行情感分析，可以更好地理解用户行为发现用户对产品的倾向性、对热点事件的关注程度等。
[0003]在现有方法中，对用户微博的文本信息进行处理后，利用情感词典对微博信息进行情感极性和主题分类处理，通过用户社交数据，构建与用户有关联的相关用户情绪网络，利用社交关系主题情感模型提高对用户异常情绪检测的精度。
[0004]然而，现有方法未考虑到不同人格的用户的表达方式与社交关系都有着很大的区别，导致情绪分析准确性较低。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合用户人格特征和社交关系的用户情绪分析方法，其特征在于，所述方法包括：S1、获取用户社交媒体平台数据，所述用户社交媒体数据包括用户在社交平台发布的文本数据和社交网络数据；S2、基于所述用户社交媒体平台数据获取用户大五人格特征的矩阵；S3、基于所述社交网络数据获取情绪影响矩阵；S4、基于所述文本数据构建面向话题的关联矩阵；S5、基于所述用户大五人格特征的矩阵、情绪影响矩阵和关联矩阵获取情感分类模型，所述情感分类模型用于对用户进行情感分析。2.如权利要求1所述的用户情绪分析方法，其特征在于，所基于社交网络数据获取情绪影响矩阵，包括：S301、基于用户的关注者和粉丝，获取用户相似度矩阵；S302、基于用户相似度矩阵计算基于用户社交关系的情绪影响矩阵。3.如权利要求2所述的所述的用户情绪分析方法，其特征在于，所述基于用户的关注者和粉丝，获取用户相似度矩阵，包括：其中：表示第i个用户的关注者和粉丝，表示第j个用户的关注者和粉丝，代表第i个用户和第j个用户之间的共同好友数，表示第i个用户和第j个用户好友并集的数目。4.如权利要求2所述的用户情绪分析方法，其特征在于，所述基于用户相似度矩阵计算基于用户社交关系的情绪影响矩阵，包括：通过下面公式计算基于用户社交关系的情绪影响矩阵A1：A1＝U
T
×
S
ij
×
U其中，U∈R
d
×
n
为用户发布的文本内容矩阵，d为用户数量，n为用户发布的文本数量，S
ij
为用户相似度矩阵。5.如权利要求1所述的用户情绪分析方法，其特征在于，所述基于文本数据构建面向话题的关联矩阵，包括：通过以下公式得到一个面向话题的关联矩阵A2：A2＝T
×
T
T
其中，T∈R
n
×
t
为话题矩阵，t为话题个数，n为该话题下的文本个数。6.如权利要求1～5任一所述的用户情绪分析方法，其特征在于，所述基于所述用户大五人格特征的矩阵、情绪影响矩阵和关联矩阵获取情感分类模型，包括：使用最小二乘法学习用户发布的文本内容，W是学习的分类器，X是文本内容矩阵，Y是情感标签矩阵：
利用社交关系和话题关联，构建文本关系矩阵A：A＝(λ1×
A1...

【专利技术属性】
技术研发人员：孙晓，陈倩，汪萌，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：