基于SVM的中文微博观点倾向性识别

被引：36

作者：

丁晟春 ^{[1
,2
]}

吴靓婵媛 ^{[1
]}

李红梅 ^{[1
]}

机构：

[1] 南京理工大学信息管理系

[2] 江苏省社会公共安全科技协同创新中心

来源：

情报学报 | 2016年 / 12期

关键词：

主客观分类; 情感倾向性分析; 支持向量机; 特征选择;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

通过识别海量中文微博文本观点句的情感倾向,能挖掘用户对某事件或产品持有的个人立场。为了找到更适合观点句倾向性识别的特征与模型,本文在分析微博观点句特征基础上,使用句式特征、句内特征以及隐性特征三类特征,借助于SVM模型对微博进行主客观识别;然后以主观句作为语料,从情感特征、词性特征、句式特征与句间特征四个角度来表示微博,最后利用SVM模型进行观点句的褒义、贬义、褒义贬义混合的情感倾向性分析。该方法在COAE2015 Task2"微博观点句识别"评测结果中取得较好的效果,微平均评估上,准确率达到了74.01%,召回率达到了71.61%,F值为72.79%,综合排名第二,测评结果验证了本文提出的方法有效且具有可行性。

引用

页码：1235 / 1243

页数：9

共 15 条

[1]

中文微博观点句识别及要素抽取研究 [J].