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。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行決策,所以提取評論文本的情感特征及對評論文本進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,且詞語缺少強度量化。機器學(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。本文將手機評論文本作為研究對象進行相關(guān)情感分析研究工作,將基于詞典與主題模型結(jié)合方法、基于機器學(xué)習(xí)方法以及詞典和機器學(xué)習(xí)組合方法得到的情感特征進行量化表示。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、擴展詞典和專用領(lǐng)域詞典組合的手機領(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)合的方法進一步優(yōu)化了情感特征的量化表示。(2)機器學(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行最優(yōu)化,最大化情感分類準(zhǔn)確率。手機評論領(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、語言特征進行隨機森林構(gòu)造,通過隨機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,且隨機森林分類算法比支持向量機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】

相關(guān)期刊論文 前10條

1 夏潤海,王開顏;機器學(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;;機器學(xué)習(xí)方法在人臉檢測中的應(yīng)用[J];計算機與數(shù)字工程;2008年03期

4 ;第十一屆中國機器學(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;;機器學(xué)習(xí)[J];計算機科學(xué);1991年01期

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

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

9 ;第31屆機器學(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)濟貿(mào)易大學(xué);2016年

4 杜宇;基于深度機器學(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)的機器學(xué)習(xí)[D];上海交通大學(xué);2009年

9 張義榮;基于機器學(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