中文网络评论的情感分类:句子与段落的比较研究

被引：5

作者：

郑丽娟 ^{[1
]}

王洪伟 ^{[1
]}

郭恺强 ^{[1
,2
]}

机构：

[1] 同济大学经济与管理学院

[2] 井冈山大学商学院

来源：

情报学报 | 2013年 / 32卷 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

网络评论; 情感分类; 句子; 段落;

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：

针对句子和段落两种粒度的语料,采用机器统计学习方法,对可能影响中文网络评论情感分类效果的因素进行实验研究。选取N-gram作为情感文本的潜在特征项,利用文档频率、χ2统计量以及期望交叉熵对特征项实施降维处理,采用布尔权重法构建特征向量,并采用SVM分类器进行网络评论的情感分类。研究发现,语料的粒度对分类准确率的影响较大,句子粒度和段落粒度的分类准确率约相差10%;特征降维方法对句子和段落的分类准确率都有一定影响,且分类效果各有优劣,因此应根据不同需要进行选择;Unigram、Bigram分类效果的优劣受到语料粒度和特征降维方法的影响,因此并非一成不变。

引用

页码：376 / 384

页数：9

共 11 条

[1]

中文网络评论的情感特征项选择研究[J]. 王洪伟,郑丽娟,刘仲英,霍佳震.信息系统学报. 2012(01)

[2] 基于语义理解的文本情感分类方法研究 [J].

闻彬 ;

何婷婷 ;

罗乐 ;

宋乐 ;

王倩 .

计算机科学, 2010, 37 (06) :261-264

[3] 基于机器学习的网络新闻评论情感分类研究 [J].

周杰 ;

林琛 ;

李弼程 .

计算机应用, 2010, 30 (04) :1011-1014

[4] 基于HowNet的句子褒贬倾向性研究 [J].

熊德兰 ;

程菊明 ;

田胜利 .

计算机工程与应用, 2008, (22) :143-145

[5] 使用机器学习方法进行新闻的情感自动分类 [J].

徐军 ;

丁宇新 ;

王晓龙 .

中文信息学报, 2007, (06) :95-100

[6] 基于监督学习的中文情感分类技术比较研究 [J].

唐慧丰 ;

谭松波 ;

程学旗 .

中文信息学报, 2007, (06) :88-94+108

[7]

主观性句子情感倾向性分析方法的研究[J]. 施寒潇,厉小军.情报学报. 2011 (05)

[8]

情感分类中情感词的情感倾向度的计算方法研究[J]. 李纲,王忠义,寇广增.情报学报. 2011 (03)

[9]

Sentiment classification of Internet restaurant reviews written in Cantonese[J] . Ziqiong Zhang,Qiang Ye,Zili Zhang,Yijun Li.Expert Systems With Applications . 2010 (6)

[10]

Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J] . Qiang Ye,Ziqiong Zhang,Rob Law.Expert Systems With Applications . 2008 (3)

← 1 2 →