Sentiment Miner: 微博情感分析及可视化工具

情感矿工 微博（中文）情感分析与可视化 分析 分词和预处理 （基于HMM的监督学习）用于中文分词和标记 删除停用词 朴素贝叶斯分类器用于提取语音的有用部分以进行情感分类 特征提取 LDA模型将每个文档转换为概率向量 吉布斯抽样解决模型 回归模型 支持情绪极性和程度的SVR（支持向量回归） 网格搜索参数选择 出版物 李迪等。 “微博数据的情感分析。” 2014年，计算，通信和IT应用会议（ComComAp）IEEE。 IEEE，2014年。 可视化 主题分析 给定一个主题（关键字），返回所有相关的tweet及其情感，以彩色气泡表示。 气泡的颜色表示鸣叫的情感极性，而大小表示鸣叫的程度。 折线图中还显示了统计信息。 用户分析 给定用户，返回用户在特定时间发布的推文的计数和情感。 折线图和条形图用于显示结果。