Title加TextRank抽取关键句的情感分类研究

被引：7

作者：

郑诚 ^{[1
,2
]}

钱改林 ^{[1
,2
]}

章金平 ^{[1
,2
]}

机构：

[1] 计算智能与信号处理教育部重点实验室(安徽大学)

[2] 安徽大学计算机科学与技术学院

来源：

计算机工程与应用 | 2019年 / 55卷 / 20期

关键词：

Title; TextRank算法; 关键句; 情感分类; 语义规则;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

考虑到不同句子对判断文档情感倾向的重要程度不同,因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时,考虑到Title和上下文信息,提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT,实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度,考虑到标点和语义规则对情感倾向的影响;根据加权TextRank算法思想,在文档正文中构建了一个情感句有向图来提取关键句;计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验,实验结果表明,该SKTT方法性能明显优于Baseline,具有高效性。

引用

页码：95 / 100

页数：6

共 6 条

[1] 基于加权TextRank的新闻关键事件主题句提取 [J].

蒲梅 ;

周枫 ;

周晶晶 ;

严馨 ;

周兰江 .

计算机工程, 2017, 43 (08) :219-224

[2] 基于关键句分析的微博情感倾向性研究 [J].

邵帅 ;

刘学军 ;

李斌 .

计算机应用研究, 2018, 35 (04) :982-987

[3] 基于极性转移和LSTM递归网络的情感分析 [J].

梁军 ;

柴玉梅 ;

原慧斌 ;

高明磊 ;

昝红英 .

中文信息学报, 2015, 29 (05) :152-159

[4] 词语位置加权TextRank的关键词抽取研究 [J].

夏天 .

现代图书情报技术, 2013, (09) :30-34

[5] 基于情感关键句抽取的情感分类研究 [J].

林政 ;

谭松波 ;

程学旗 .

计算机研究与发展, 2012, 49 (11) :2376-2382

[6]

Weakly supervised topic sentiment joint model with word embeddings[J] . Xianghua Fu,Xudong Sun,Haiying Wu,Laizhong Cui,Joshua Zhexue Huang.Knowledge-Based Systems . 2018

← 1 →