情感是人類智能表現(xiàn)的一種特征。情感既可以是身體上生理狀態(tài)發(fā)生變化的反映,也可通過文本加以表達(dá)。目前研究情感分析的語料資源大部分來源于用戶評論文本。評論文本已成為消費者購買商品的重要參考。從文本中獲取情感信息,首先要從文本中抽取語義特征信息并加以分類。因為無法及時提取到信息豐富的評論,且基于詞典的方法或基于機(jī)器學(xué)習(xí)的方法量化得到的情感特征過于片面,無法很好的輔助消費者進(jìn)行決策,所以提取評論文本的情感特征及對評論文本進(jìn)行主客觀分類的研究就有現(xiàn)實意義。但基于詞典的研究依賴于情感詞典,由于新的詞匯以及未登錄詞較多,情感詞典的構(gòu)建難度較大,且詞語缺少強(qiáng)度量化。機(jī)器學(xué)習(xí)的方法不能較好解決多個情感詞時引發(fā)的情感發(fā)散問題。本文提出了結(jié)合詞典和機(jī)器學(xué)習(xí)的情感分析方法,得到可以提高預(yù)測評論主客觀性的正確率的情感特征組合。本文將手機(jī)評論文本作為研究對象進(jìn)行相關(guān)情感分析研究工作,將基于詞典與主題模型結(jié)合方法、基于機(jī)器學(xué)習(xí)方法以及詞典和機(jī)器學(xué)習(xí)組合方法得到的情感特征進(jìn)行量化表示。實驗比較量化的情感特征對主客觀分類的影響。本文的研究工作如下:(1)詞典擴(kuò)充與極性計算研究。在基于詞典的情感分析中,針對目前通用情感詞典無法滿足特定領(lǐng)域情感分析的要求,本文基于SO-PMI算法構(gòu)建了由通用詞典、擴(kuò)展詞典和專用領(lǐng)域詞典組合的手機(jī)領(lǐng)域的專屬情感詞庫。并利用其情感詞抽取和主題模型特征表示的結(jié)合方法對相應(yīng)情感特征進(jìn)行量化表示。實驗得出,與基于詞典的方法相比,詞典與主題模型相結(jié)合的方法進(jìn)一步優(yōu)化了情感特征的量化表示。(2)機(jī)器學(xué)習(xí)的情感特征挖掘。在特征選擇和組合、特征維度和分類算法選擇方面進(jìn)行最優(yōu)化,最大化情感分類準(zhǔn)確率。手機(jī)評論領(lǐng)域的情感分類時采用貝葉斯、邏輯回歸、支持向量機(jī)這三種分類算法,實驗得貝葉斯分類效果最好。以所有詞、雙詞搭配、所有詞和雙詞搭配、信息量豐富的詞、信息豐富的詞和雙詞搭配作為特征選擇組合方式,實驗得出信息豐富的詞和雙詞搭配為特征在1000維時取得最優(yōu)分類效果。(3)特征選擇與分類算法研究。將基于詞典的方法得到的情感權(quán)值、均值、標(biāo)準(zhǔn)差與基于機(jī)器學(xué)習(xí)的方法得到的積極、消極情感概率作為情感特征候選項,并結(jié)合信息特征、屬性特征、語言特征進(jìn)行隨機(jī)森林構(gòu)造,通過隨機(jī)森林分類器對評論文本主客觀分類預(yù)測,研究不同情感特征候選項組合對主客觀分類預(yù)測的影響,得到結(jié)合詞典和機(jī)器學(xué)習(xí)的情感分析方法得到的情感特征組合分類準(zhǔn)確率最高,且隨機(jī)森林分類算法比支持向量機(jī)和貝葉斯分類算法的準(zhǔn)確率有很大的提升。
【學(xué)位授予單位】：西安郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.1;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏潤海,王開顏;機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[J];濰坊學(xué)院學(xué)報;2003年02期

2 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報;2005年03期

3 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測中的應(yīng)用[J];計算機(jī)與數(shù)字工程;2008年03期

4 ;第十一屆中國機(jī)器學(xué)習(xí)會議[J];智能系統(tǒng)學(xué)報;2008年02期

5 ;第14屆中國機(jī)器學(xué)習(xí)會議[J];智能系統(tǒng)學(xué)報;2012年06期

6 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計算機(jī)科學(xué);1991年01期

7 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計算機(jī)科學(xué);1993年05期

8 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計算機(jī)時代;1994年04期

9 ;第31屆機(jī)器學(xué)習(xí)國際會議(英文)[J];智能系統(tǒng)學(xué)報;2014年01期

10 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等�？茖W(xué)校學(xué)報(自然科學(xué)版);2000年04期

相關(guān)博士學(xué)位論文 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問題研究[D];大連理工大學(xué);2016年

3 Maxim Pecionchin;[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2016年

4 杜宇;基于深度機(jī)器學(xué)習(xí)的體態(tài)與手勢感知計算關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

5 鐘錦紅;群智學(xué)習(xí)若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 趙東;基于群智能優(yōu)化的機(jī)器學(xué)習(xí)方法研究及應(yīng)用[D];吉林大學(xué);2017年

7 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

8 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

9 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2005年

10 錢線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 毛海斌;基于半監(jiān)督機(jī)器學(xué)習(xí)的情感分類領(lǐng)域適應(yīng)問題研究[D];南京理工大學(xué);2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學(xué);2015年

3 陳召陽;基于機(jī)器學(xué)習(xí)的改性麥槽吸附重金屬構(gòu)效關(guān)系模型研究[D];江西理工大學(xué);2014年

4 王成;基于半監(jiān)督機(jī)器學(xué)習(xí)的文本情感分析技術(shù)[D];南京理工大學(xué);2015年

5 孫科;基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實現(xiàn)[D];上海交通大學(xué);2015年

6 劉江龍;基于機(jī)器學(xué)習(xí)的射頻指紋定位方法研究[D];電子科技大學(xué);2015年

7 張蕾;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計[D];電子科技大學(xué);2014年

8 施宇;基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

9 施應(yīng)敏;基于機(jī)器學(xué)習(xí)的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學(xué);2015年

10 裴松年;基于機(jī)器學(xué)習(xí)的分類算法研究[D];中北大學(xué);2016年

本文編號：1444741