本文提出了一种新的中文情感分析方法，将评论分为中立、积极和消极三类。通过TSVM工具实现初步划分，然后利用修订的情感词典和规则集进行多层分类。实验表明，该方法提高了F值，但中立和极性语料的不平衡及TSVM对数据量的需求影响了结果。未来研究将关注阈值的自动化计算和动态情感词的规则生成。
Chinese Sentiment Orientation Analysis
中文情感倾向性分析（IEEE2010）
文章提出了一个新方法分析、划分商品评论的情感倾向性为3类：中立，积极和消极。目前的方法对于中立态度的句子不能得到好的划分结果。文章首先采用分治策略划分文本为2类：中立和极性文本，然后极性文本分为积极部分和消极部分（两层分类系统）。在第一步中，使用TSVM（直推式SVM）工具实现划分。
词典修订和规则集生成
多层情感词典：由于词典规模大，因此要修订词典，期望减少低置信度词的消极影响。首先，重新评估每个情感词的置信度，然后，高置信度的词添加到相对小的词典D1，剩下的词用来形成一个更大的词典D2：根据域关联训练语料和域独立训练语料重新计算情感值分别为v和v’，最终的情感值wor
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
