兰州文理学院学报(自然科学版)
蘭州文理學院學報(自然科學版)
란주문이학원학보(자연과학판)
Journal of LanZhou University of Arts And Science (Natural Sciences Edition)
2015年
5期
55-58
,共4页
邢玉娟%张成文%谭萍%曹晓丽
邢玉娟%張成文%譚萍%曹曉麗
형옥연%장성문%담평%조효려
文本情感分类%信息增益%向量空间模型%支持向量机
文本情感分類%信息增益%嚮量空間模型%支持嚮量機
문본정감분류%신식증익%향량공간모형%지지향량궤
针对新闻评论情感观点判定准确率低的问题,提出基于信息增益特征选择和支持向量机的情感分类方法.该方法首先将评论文本信息数字化为向量空间模型,采用信息增益方法选择文本权重特征向量中分类贡献度高的向量,将其作为支持向量机的输入,用于判定文档的最终观点.实验结果表明,相比于传统机器学习方法该算法具有较高的分类准确率.
針對新聞評論情感觀點判定準確率低的問題,提齣基于信息增益特徵選擇和支持嚮量機的情感分類方法.該方法首先將評論文本信息數字化為嚮量空間模型,採用信息增益方法選擇文本權重特徵嚮量中分類貢獻度高的嚮量,將其作為支持嚮量機的輸入,用于判定文檔的最終觀點.實驗結果錶明,相比于傳統機器學習方法該算法具有較高的分類準確率.
침대신문평론정감관점판정준학솔저적문제,제출기우신식증익특정선택화지지향량궤적정감분류방법.해방법수선장평논문본신식수자화위향량공간모형,채용신식증익방법선택문본권중특정향량중분류공헌도고적향량,장기작위지지향량궤적수입,용우판정문당적최종관점.실험결과표명,상비우전통궤기학습방법해산법구유교고적분류준학솔.