針對體育領域情感分析資源不足、分析性能不高的現(xiàn)狀,對體育領域的情感分析開展了研究.首先從"新浪體育"和"直播吧"等平臺經(jīng)過人工篩選、標注,構建了中文情感標注語料庫CH-SPORT,共標記評論10 000條,其中積極評論5 000條,消極評論5 000條.然后選用了SVM、TextCNN、BiLSTM、RCNN、fastText、BiLSTM+Attention等模型對CH-SPORT進行了評估.實驗結果表明,BiLSTM+Attention模型在CH-SPORT上的分類效果最佳,Acc為87.75%,比基準數(shù)據(jù)集ChnSentiCorp和NLPCC2014分別高出18.65%、11.75%.本文構建的數(shù)據(jù)集能有效應用于體育情感分析研究中. 

【文章來源】：新疆大學學報(自然科學版)(中英文). 2020,37(02)

【文章頁數(shù)】：8 頁

【部分圖文】：

LSTM結構

Att-BiLSTM模型結構

為了評估CH-SPORT的有效性，共開展兩個實驗任務．任務一：在兩個公開的中文數(shù)據(jù)集和本文構建的CH-SPORT訓練集上分別訓練模型，用CH-SPORT的測試集評估效果．

【參考文獻】：
期刊論文
[1]基于規(guī)則的維吾爾語、哈薩克語機器翻譯[J]. 如克燕木·吾斯曼江,買熱哈巴·艾力,吐爾根·依布拉音.  新疆大學學報(自然科學版). 2016(03)
[2]基于HNC語境框架和情感詞典的文本情感傾向分析[J]. 張克亮,黃金柱,曹蓉,李峰.  山東大學學報(理學版). 2016(07)
[3]基于主動學習的SVM維吾爾語情感分析研究[J]. 李響,吐爾根·依布拉音,卡哈爾江·阿比的熱西提,買合木提·買買提.  新疆大學學報(自然科學版). 2015(04)

碩士論文
[1]基于情感詞典的中文微博情感傾向分析研究[D]. 陳曉東.華中科技大學 2012



本文編號：3212470