基于双语词典的微博多类情感分析方法

被引：33

作者：

栗雨晴 ^{[1
,2
]}

礼欣 ^{[1
,2
]}

韩煦 ^{[1
]}

宋丹丹 ^{[1
,2
]}

廖乐健 ^{[1
,2
]}

机构：

[1] 北京理工大学计算机学院

[2] 北京市海量语言信息处理与云计算应用工程技术研究中心

来源：

电子学报 | 2016年 / 44卷 / 09期

关键词：

双语语义倾向性分析; 半监督高斯混合模型; 相对熵; 情感词典;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

现有微博文本情感分析方法多面向单一语种语料,如:中文语料.但是,中英文搭配使用的表达习惯已逐渐成为个体意见表达的重要形式.本文提出一种基于双语词典的多类情感分析方法,通过构建双语多类情感词典对微博文本进行多分类语义倾向性分析,以便更准确有效捕捉群体意见,及时发现社会舆论倾向.通过与多数投票算法、支持向量机算法、基于余弦距离的K近邻分类算法相比,本文提出的基于双语词典的多类情感分析模型具有良好的分类效果,其在分类准确率、F1值等方面都有明显提高.

引用

页码：2068 / 2073

页数：6