本文關(guān)鍵詞：微博汽車領(lǐng)域中用戶觀點(diǎn)句識別方法的研究

  更多相關(guān)文章： 微博 觀點(diǎn)句識別 意見挖掘 SVM

【摘要】：該文主要研究如何自動識別微博中用戶對各品牌汽車進(jìn)行評價的句子。針對微博中汽車宣傳信息較多而由真正汽車用戶發(fā)出的觀點(diǎn)句所占比例很小的特點(diǎn),該文提出了結(jié)合微博和汽車評論語料的基于SVM模型的分類方法。選取的特征包括詞語、評價詞個數(shù)、與評價對象有關(guān)的詞語以及微博相關(guān)特征。實(shí)驗(yàn)表明,評價詞特征和部分微博相關(guān)特征可有效提高分類器性能,使用微博和汽車評論兩種語料進(jìn)行訓(xùn)練的分類器性能要比僅使用微博語料的方法好。
【作者單位】： 上海交通大學(xué)計算機(jī)科學(xué)與工程系;
【關(guān)鍵詞】： 微博 觀點(diǎn)句識別 意見挖掘 SVM
【分類號】：TP393.092;TP391.1
【正文快照】： 1引言近年來,微博逐漸成為人們表達(dá)自己看法,交流意見的平臺。微博中包含的大量主觀性信息在許多應(yīng)用領(lǐng)域有很大的潛在價值。然而人工瀏覽這些信息成本高,效率低。所以,針對微博文本的情感分析成為國內(nèi)外的一個研究熱點(diǎn)。與傳統(tǒng)的在產(chǎn)品評論等領(lǐng)域的情感分析相比,由于微博主題

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 謝麗星;周明;孫茂松;;基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J];中文信息學(xué)報;2012年01期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫建旺;呂學(xué)強(qiáng);郭嵡秀;;基于微博轉(zhuǎn)發(fā)集的微博過濾研究[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2013年03期

2 許星;席鵬富;秦天;;社會網(wǎng)絡(luò)的輿情信息分析與可視化——以新浪微博為例[J];計算機(jī)光盤軟件與應(yīng)用;2013年12期

3 吳維;肖詩斌;;基于多特征與復(fù)合分類法的中文微博情感分析[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2013年04期

4 王銀;吳新玲;;中文微博情感分析方法研究[J];廣東技術(shù)師范學(xué)院學(xué)報;2014年03期

5 歐陽純萍;陽小華;雷龍艷;徐強(qiáng);余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(自然科學(xué)版);2014年01期

6 鄭誠;楊希;張吉賡;;結(jié)合情感詞典與規(guī)則的微博情感極性分類方法[J];電腦知識與技術(shù);2014年13期

7 陳培文;傅秀芬;;采用SVM方法的文本情感極性分類研究[J];廣東工業(yè)大學(xué)學(xué)報;2014年03期

8 林江豪;陽愛民;周詠梅;陳錦;蔡澤鍵;;一種基于樸素貝葉斯的微博情感分類[J];計算機(jī)工程與科學(xué);2012年09期

9 文坤梅;徐帥;李瑞軒;辜希武;李玉華;;微博及中文微博信息處理研究綜述[J];中文信息學(xué)報;2012年06期

10 周勝臣;施詢之;瞿文婷;石英子;孫韻辰;;基于微博搜索和SVM的股市時間序列預(yù)測研究[J];計算機(jī)與現(xiàn)代化;2013年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 田野;基于微博平臺的事件趨勢分析及預(yù)測研究[D];武漢大學(xué);2012年

2 田占偉;基于復(fù)雜網(wǎng)絡(luò)的微博信息傳播研究[D];哈爾濱工業(yè)大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 胡文靜;基于語義理解與PLSA的文本情感分類研究[D];天津師范大學(xué);2012年

2 王政霄;基于微博的熱點(diǎn)事件挖掘與情感分析[D];上海交通大學(xué);2013年

3 曹海濤;基于PAD模型的中文微博情感分析研究[D];大連理工大學(xué);2013年

4 王鴻飛;基于條件隨機(jī)場的中文微博情感分析研究[D];廣東工業(yè)大學(xué);2013年

5 李p，

本文編號：810639