基于加权word2vec的微博情感分析

被引:72
作者
李锐
张谦
刘嘉勇
机构
[1] 四川大学电子信息学院
关键词
情感分析; word2vec; 加权词向量; 支持向量机;
D O I
暂无
中图分类号
TP391.1 [文字信息处理]; TP393.092 [];
学科分类号
120506 [数字人文];
摘要
随着社交媒体的普及,微博情感分析受到了广大研究者的关注。为解决情感分析中词间语义关系缺失和词汇重要程度被忽略的问题,提出了一种基于加权词向量和支持向量机的情感分析方法,对微博的情感分析问题进行研究。首先用word2vec训练并计算得到文档词向量;然后根据TFIDF算法计算文档中词汇的权重,对word2vec词向量进行加权;最后,使用SVM对情感数据进行训练和分类。在微博实验数据中,与已有方法相比,所提方法分类准确率和召回率都得到了提高。
引用
收藏
页码:502 / 506
页数:5
相关论文
共 15 条
[1]
Web评论文本的细粒度意见挖掘技术研究 [D]. 
黄胜 .
北京理工大学,
2014
[2]
Chinese comments sentiment classification based on word2vec and SVMperf [J].
Zhang, Dongwen ;
Xu, Hua ;
Su, Zengcai ;
Xu, Yunfeng .
EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (04) :1857-1863
[3]
Measuring praise and criticism.[J].Peter D. Turney;Michael L. Littman.ACM Transactions on Information Systems (TOIS).2003, 4
[4]
基于多特征融合的中文评论情感分类算法 [J].
陈昀 ;
毕海岩 .
河北大学学报(自然科学版), 2015, (06) :651-656
[5]
基于情感特征聚类的半监督情感分类 [J].
李素科 ;
蒋严冰 .
计算机研究与发展, 2013, 50 (12) :2570-2577
[6]
基于双语信息和标签传播算法的中文情感词典构建方法 [J].
李寿山 ;
李逸薇 ;
黄居仁 ;
苏艳 .
中文信息学报, 2013, (06) :75-81
[7]
文本情感分析综述 [J].
杨立公 ;
朱俭 ;
汤世平 .
计算机应用, 2013, 33 (06) :1574-1578+1607
[8]
中文文本情感分析综述 [J].
魏韡 ;
向阳 ;
陈千 .
计算机应用, 2011, 31 (12) :3321-3323
[9]
基于SVM的文本词句情感分析 [J].
杨经 ;
林世平 .
计算机应用与软件, 2011, 28 (09) :225-228
[10]
数据挖掘中分类算法综述 [J].
李玲俐 .
重庆师范大学学报(自然科学版), 2011, 28 (04) :44-47