中文信息学报
中文信息學報
중문신식학보
JOURNAL OF CHINESE INFORMAITON PROCESSING
2014年
5期
148-154
,共7页
微博%观点句识别%意见挖掘%SVM
微博%觀點句識彆%意見挖掘%SVM
미박%관점구식별%의견알굴%SVM
microblog%opinioned sentences recognition%opinion mining%SVM
该文主要研究如何自动识别微博中用户对各品牌汽车进行评价的句子.针对微博中汽车宣传信息较多而由真正汽车用户发出的观点句所占比例很小的特点,该文提出了结合微博和汽车评论语料的基于SVM模型的分类方法.选取的特征包括词语、评价词个数、与评价对象有关的词语以及微博相关特征.实验表明,评价词特征和部分微博相关特征可有效提高分类器性能,使用微博和汽车评论两种语料进行训练的分类器性能要比仅使用微博语料的方法好.
該文主要研究如何自動識彆微博中用戶對各品牌汽車進行評價的句子.針對微博中汽車宣傳信息較多而由真正汽車用戶髮齣的觀點句所佔比例很小的特點,該文提齣瞭結閤微博和汽車評論語料的基于SVM模型的分類方法.選取的特徵包括詞語、評價詞箇數、與評價對象有關的詞語以及微博相關特徵.實驗錶明,評價詞特徵和部分微博相關特徵可有效提高分類器性能,使用微博和汽車評論兩種語料進行訓練的分類器性能要比僅使用微博語料的方法好.
해문주요연구여하자동식별미박중용호대각품패기차진행평개적구자.침대미박중기차선전신식교다이유진정기차용호발출적관점구소점비례흔소적특점,해문제출료결합미박화기차평론어료적기우SVM모형적분류방법.선취적특정포괄사어、평개사개수、여평개대상유관적사어이급미박상관특정.실험표명,평개사특정화부분미박상관특정가유효제고분류기성능,사용미박화기차평론량충어료진행훈련적분류기성능요비부사용미박어료적방법호.
