本文關(guān)鍵詞：基于word2vec和SVMperf的中文評論情感分類研究

  更多相關(guān)文章： 情感分類 wordvec SVMperf 語義特征 PCA

【摘要】：利用有監(jiān)督的機器學(xué)習(xí)的方法來對中文產(chǎn)品評論文本進行情感分類,該方法結(jié)合了word2vec和SVMperf兩種工具。先由word2vec訓(xùn)練出語料中每個詞語的詞向量,通過計算相互之間的余弦距離來達到相似概念詞語聚類的目的,通過相似特征聚類將高相似度領(lǐng)域詞匯擴充到情感詞典;再使用word2vec訓(xùn)練出詞向量的高維度表示;然后采用主成分分析方法(PCA)對高維度向量進行降低維度處理,形成特征向量;最后使用兩種方法抽取有效的情感特征,由SVMperf進行訓(xùn)練和預(yù)測,從而完成文本的情感分類。實驗結(jié)果表明,采用相似概念聚類方法對詞典進行擴充任務(wù)或情感分類任務(wù)都可以獲得很好的效果。
【作者單位】： 河北科技大學(xué)信息科學(xué)與工程學(xué)院;
【分類號】：TP391.1
【正文快照】： 1研究背景情感分類技術(shù)的任務(wù)是識別出用戶在評論文本中流露出的情感信息,然后將其分為兩類,即正類和負類。正類代表正面的贊賞和肯定,負類代表負面的批評和否定。常見的情感分類技術(shù)主要有兩種方法:基于情感詞典的無監(jiān)督分類方法和基于機器學(xué)習(xí)的有監(jiān)督分類方法。而基于機器

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 楊經(jīng);林世平;;基于SVM的文本詞句情感分析[J];計算機應(yīng)用與軟件;2011年09期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁禮欣;郝志峰;蔡瑞初;溫雯;;基于混合高斯分布偽樣本生成的情感分析方法[J];廣東工業(yè)大學(xué)學(xué)報;2016年06期

2 杜思奇;李紅蓮;呂學(xué)強;;漢語組塊分析在情感分類中的應(yīng)用研究[J];計算機應(yīng)用與軟件;2016年10期

3 邢玉娟;譚萍;曹曉麗;;基于多約簡Fisher-VSM和SVM的文本情感分類[J];計算機應(yīng)用與軟件;2016年09期

4 楊小平;馬奇鳳;余力;莫雨婷;吳佳楠;張悅;;評論簇在網(wǎng)絡(luò)輿論中的情感傾向代表性研究[J];現(xiàn)代圖書情報技術(shù);2016年Z1期

5 張冬雯;楊鵬飛;許云峰;;基于word2vec和SVMperf的中文評論情感分類研究[J];計算機科學(xué);2016年S1期

6 薛益定;;中文情感分析研究綜述[J];電腦編程技巧與維護;2016年05期

7 陳昀;畢海巖;;基于多特征融合的中文評論情感分類算法[J];河北大學(xué)學(xué)報(自然科學(xué)版);2015年06期

8 邸鵬;段利國;;基于復(fù)雜句式的文本情感傾向性分析[J];計算機應(yīng)用與軟件;2015年11期

9 任聰;李石君;;面向網(wǎng)絡(luò)新聞領(lǐng)域的評論情感極性分析[J];計算機工程與應(yīng)用;2017年01期

10 劉繼;李磊;;暴恐主題下微博用戶特征及情感傾向性分析[J];情報雜志;2014年12期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 章劍鋒;張奇;吳立德;黃萱菁;;中文觀點挖掘中的主觀性關(guān)系抽取[J];中文信息學(xué)報;2008年02期

2 朱嫣嵐;閔錦;周雅倩;黃萱菁;吳立德;;基于HowNet的詞匯語義傾向計算[J];中文信息學(xué)報;2006年01期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 李佩;;英漢進行體對比探微[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報;2008年03期

，

本文編號：1208568