-
题名基于网络评论语言学结构的情感倾向识别模型
被引量：3
- 1
-
-
作者
张素智
樊得强
李宝燕
-
机构
郑州轻工业学院计算机与通信工程学院
-
出处
《郑州大学学报（理学版）》
CAS
北大核心
2011年第1期80-84,共5页
-
基金
河南省重点科技攻关项目
编号082102210054
+1 种基金
郑州市科技攻关项目
编号0910SGYG23259-3
-
文摘
展示了一种新的基于网络评论语言学结构的情感倾向识别模型,固定情感词元模型(fixed sentiment terms model).该方法利用基于固定情感词元的3种特定搭配模式来构造识别算法,通过基于增量的tf-idf模型的相关用户反馈不断更新特征词元集合.通过与传统的情感识别方法相比较,此方法可以较为明显地提高情感分类的效率和准确率.
-
关键词
语言学结构
固定情感词元
增量的tf-idf模型
情感特征选择
情感分类器
-
Keywords
linguistic structure
fixed sentimental terms
incremental tf-idf model
sentimental feature extraction
sentimental classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于KSVM的网络评论情感分类研究
被引量：1
- 2
-
-
作者
张素智
孙培锋
-
机构
郑州轻工业学院计算机与通信工程学院
-
出处
《郑州轻工业学院学报（自然科学版）》
CAS
2011年第3期1-4,共4页
-
基金
河南省重点科技攻关项目(082102210054)
河南省自然科学基金资助项目(0411010500)
-
文摘
结合机器学习方法中的SVM算法和KNN算法各自的优势,提出一种KSVM分类算法,采用具有语义倾向的词并综合其词性作为特征项,将一些网络评论进行情感分类,以判断一篇评论是正面还是反面.实验表明,运用该算法对网上的一些评论进行分类,可以达到较高的准确率.
-
关键词
语义倾向度
情感文本分类
情感特征选择
KSVM
-
Keywords
semantics tendency
sentiment classification
sentiment feature selection
KSVM
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
