多策略中文微博细粒度情绪分析研究

被引：27

作者：

欧阳纯萍

阳小华

雷龙艳

徐强

余颖

刘志明

机构：

[1] 南华大学计算机科学与技术学院

来源：

北京大学学报(自然科学版) | 2014年 / 50卷 / 01期

基金：

湖南省自然科学基金;

关键词：

细粒度情绪分析; 中文微博; 朴素贝叶斯; SVM; KNN;

D O I：

10.13209/j.0479-8023.2014.028

中图分类号：

TP391.1 [文字信息处理]; TP393.092 [];

学科分类号：

081203 ; 0835 ; 080402 ;

摘要：

针对中文微博用户的情绪分析问题,提出一种基于多策略融合的细粒度情绪分析方法。首先采用朴素贝叶斯算法对微博的有无情绪分类问题进行研究,然后构建有情绪微博的21维特征向量,最后采用SVM和KNN算法对微博进行细粒度情绪分析。以新浪微博作为实验对象,结果表明多策略集成方法好于单一分类算法。在多策略集成方法中,"NB+SVM"方法略优于"NB+KNN"方法。

引用

收藏

页码：67 / 72

页数：6

相关论文

共 10 条

[1] 中文微博情感分析研究综述 [J].

周胜臣 ;

瞿文婷 ;

石英子 ;

施询之 ;

孙韵辰 .

计算机应用与软件, 2013, 30 (03) :161-164+181

[2] 中文微博情感分析中主客观句分类方法 [J].

杨武 ;

宋静静 ;

唐继强 .

重庆理工大学学报(自然科学), 2013, (01) :51-56

[3] 基于表情图片与情感词的中文微博情感分析 [J].

张珊 ;

于留宝 ;

胡长军 .

计算机科学, 2012, 39(S3) (S3) :146-148+176

[4] 有效的中文微博短文本倾向性分类算法 [J].

韩忠明 ;

张玉沙 ;

张慧 ;

万月亮 ;

黄今慧 .

计算机应用与软件, 2012, 29 (10) :89-93

[5] 一种基于朴素贝叶斯的微博情感分类 [J].

林江豪 ;

阳爱民 ;

周咏梅 ;

陈锦 ;

蔡泽键 .

计算机工程与科学, 2012, 34 (09) :160-165

[6] 基于层次结构的多策略中文微博情感分析和特征抽取 [J].

谢丽星 ;

周明 ;

孙茂松 .

中文信息学报, 2012, (01) :73-83

[7] 基于机器学习的中文微博情感分类实证研究 [J].

刘志明 ;

刘鲁 .

计算机工程与应用 , 2012, (01) :1-4

[8] 中文文本分类中的特征选择研究 [J].

周茜 ;

赵明生 ;

扈旻 .

中文信息学报, 2004, (03) :17-23

[9]

情感词汇本体的构造[J]. 徐琳宏,林鸿飞,潘宇,任惠,陈建美.情报学报. 2008 (02)

[10]

LIBSVM[J] . Chih-Chung Chang,Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST) . 2011 (3)