强语义模糊性词语的情感分析

被引：7

作者：

张志飞 ^{[1
,2
]}

苗夺谦 ^{[1
]}

岳晓冬 ^{[3
]}

聂建云 ^{[2
]}

机构：

[1] 同济大学计算机科学与技术系

[2] 加拿大蒙特利尔大学计算机科学系

[3] 上海大学计算机工程与科学学院

来源：

中文信息学报 | 2015年 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

情感分析; 语义模糊性; 粗糙集; 贝叶斯分类;

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：

语义的模糊性给词语的情感分析带来了挑战。有些情感词语不仅使用频率高,而且语义模糊性强。如何消除语义模糊性成为词语情感分析中亟待解决的问题。该文提出了一种规则和统计相结合的框架来分析具有强语义模糊性词语的情感倾向。该框架根据词语的相邻信息获取有效的特征,利用粗糙集的属性约简方法生成决策规则,对于规则无法识别的情况,再利用贝叶斯分类器消除语义模糊性。该文以强语义模糊性词语"好"为例,对提出的框架在多个语料上进行实验,结果表明该框架可以有效消除"好"的语义模糊性以改进情感分析的效果。

引用

页码：68 / 78

页数：11

共 26 条

[1]

Sentiment analysis and opinion mining. LIU B. Synthesis Lectures on Human Language Technologies . 2012

[2]

http://tjzhifei.github.io/resources/bbycd.zip .

[3]

http://www-958.ibm.com/software/data/cognos/manyeyes/page/Word_Cloud_Generator.html .

[4]

SemEval 2010 Task 18:Disambiguating Sentiment Ambiguous Adjectives. Wu Y F,Jin P. Proceedings of the 2010Evaluation Exercises on Semantic Evaluation . 2010

[5]

http://www.keenage.com .

[6]

Mining opinions in comparative sentences. Murthy Ganapathibhotla,Liu Bing. Proceedings of the 22nd International Conference on Computational Linguistics . 2008

[7] Twitter mood predicts the stock market [J].

Bollen, Johan ;

Mao, Huina ;

Zeng, Xiaojun .

JOURNAL OF COMPUTATIONAL SCIENCE, 2011, 2 (01) :1-8

[8] Mining the interests of Chinese microbloggers via keyword extraction [J].

Liu, Zhiyuan ;

Chen, Xinxiong ;

Sun, Maosong .

FRONTIERS OF COMPUTER SCIENCE, 2012, 6 (01) :76-87

[9]

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

[10] “好”在语义上的模糊性与确定性 [J].

孙秋秋 .

辽宁大学学报(哲学社会科学版), 1982, (01) :70-76

← 1 2 3 →