22、情感分析与大数据云计算安全

情感分析与大数据云计算安全

1. 情感分析实验成果

1.1 特征挖掘

在情感分析实验中，使用电影数据集时，第 4 和第 5 段的表现优于其他段，从相关图表和表格中可以看出。在该实验里，第 4 段获得了更高的准确率，并且特征数量减少到了 9.4%。同时，词形还原的影响在实验中并不明显。而使用 OHSUMED 数据集时，第 1 和第 4 段表现更佳，同样第 4 段获得较高准确率且特征数量减少到 9.4%。由此可以推断，第 4 段受词形还原影响，减少了特征数量，并且提高了计算速度。

1.2 特征组合

建议的方法主要是将其他特征与现有特征相结合，以提高文本分类模型的准确性，也就是增加正负副词和形容词的浓度或数量。通过电影数据集计算所有分类器从第 1 段到第 5 段的准确率平均值，可以发现特征组合提高了准确率，在以 RBF 为核的 SVM 分类器（SVM - RBF）中更为显著。使用 OHSUMED 数据集时，第 1 和第 4 段效果最佳，词形还原略微提高了平均准确率。而且，第 1 - 5 段在特征组合且无词形还原的情况下表现更好。

1.3 维度降低

实验表明，使用电影和 OHSUMED 数据集时，维度降低后的准确率表现与未降低时几乎相同。对于电影数据集，维度降低后再组合其他特征能取得更好的性能。在情感文本挖掘中测试 SVD 然后 PCA 可以减少实现时间。实验在特定环境下进行，涉及五个分类器，其中四个分类器能减少实现时间，但第 5 段并非如此。因此，建议的方法中，特征组合和维度降低是可行的。

以下是 OHSUMED 数据集维度降低的实验结果表格：
| ADD ATT. | SVM - R