Personality-based refinement for sentiment classification in microblog

میکروبلاگینگ یکی از رسانه های اجتماعی رایج ترین افراد برای به اشتراک گذاری اطلاعات و بیان نظرات است. همانطور که اطلاعات در شبکه اجتماعی سریع پخش می شود، درک و تحلیل احساسات عمومی که در محتوای تولید شده توسط کاربر ایجاد می شود، برای بسیاری از زمینه ها سودمند است و به برنامه های کاربردی مانند مدیریت اجتماعی، کسب و کار و امنیت عمومی اعمال می شود. اکثر کارهای قبلی در زمینه تحلیل احساسات هیچ گونه تمایزی از توییت های کاربران مختلف را نادیده نمی گیرند و استفاده متنوعی از مردم را نادیده می گیرند. همانطور که برخی از عبارات احساسی توسط گروههای خاصی از مردم استفاده می شود، ویژگی های متنی متنی مربوطه در فرآیند تحلیل اغلب نادیده گرفته می شود. از سوی دیگر، یافته های روانشناختی قبلی نشان داده است که شخصیت بر شیوه های نوشتن و صحبت کردن افراد تأثیر می گذارد و این نشان می دهد که افرادی که دارای ویژگی های شخصیت مشابه هستند تمایل دارند عبارات احساسی مشابه را انتخاب کنند. با الهام از این، در این مقاله ما یک روش برای تسهیل طبقه بندی احساسات در میکروبلاگ بر اساس ویژگی های شخصیتی پیشنهاد می کنیم. برای این منظور، ابتدا یک روش مبتنی بر قاعده برای پیش بینی ویژگی های شخصیت کاربران بر اساس مدل شخصیت شناخته شده، مدل پنجگانه بزرگ طراحی شده است. به منظور استفاده از ویژگی های مؤثرتر اما نه به طور گسترده ای از احساسات، ما سپس ویژگی های گروه بندی شده با ویژگی های شخصیت های مختلف را استخراج و طبقه بندی احساسات مبتنی بر شخصیت را ایجاد می کنیم. علاوه بر این، ما یک استراتژی یادگیری گروهی را برای انطباق ویژگی های متنی سنتی و طبقه بندی احساسات مبتنی بر شخصیت ما اتخاذ می کنیم. مطالعات تجربی بر روی مجموعه داده های میکروبلاگ چینی، اثربخشی روش ما در بهبود عملکرد هر دو طبقه بندی های سنتی و پیشرفته ای از احساسات را نشان می دهد. کار ما در میان اولین کسانی است که صریحا نقش شخصیت کاربر را در تجزیه و تحلیل رسانه های اجتماعی و کاربرد آن در طبقه بندی احساسات بررسی می کند.