摘 要：在微博情感倾向性分析中，一种典型分析方法是先对微博进行主客观分类，再对判定为主观的微博进行褒贬分类，但其问题在于主客观分类错误将直接传导到褒贬分类。针对这一问题，本文提出了一个主客观分类和褒贬分类融合的评估情感倾向性强度的模型。首先使用改进的逻辑回归模型构建主客观分类模型，并结合情感词典构建褒贬分类模型；然后，将二者融合，构建情感倾向性强度模型来选出具有较强情感的微博；最后应用褒贬分类模型判定情感倾向性。该方法在第六届中文倾向性分析评测（COAE2014）的微博观点句识别任务中获得了主要指标Micro_F1值和Macro_F1值的第二名。 全文查看链接 　　在基于分类方法进行微博情感倾向性分析的相关研究中，一般认为，只有含有主观情感的微博才具有褒贬义，因此，典型处理是将情感分析分为两个阶段：首先将微博分为主观和客观两类，再对分类为主观的微博进行褒贬分类（即情感极性分类）[10，13]。然而，这种方法却因建立在完全信任主客观分类结果的基础上，而极有可能导致主客观分类的错误直接传导到褒贬分类中。为减少错误的积累传递，本文即将微博的主客观分类模型和褒贬义分类模型相互融合，提出了一个情感强度模型，通过利用该模型而对微博的情感倾向性强度实施判断，再基于此来选择具有较强情感倾向性的微博进行褒贬义分析。 全文查看链接 　　参考文献： 全文查看链接