34、情感分析与电影推荐系统技术解析

情感分析与电影推荐系统技术解析

1. 情感分析相关技术

1.1 情感分析方法概述

在情感分析领域，有多种方法被应用。一种是基于形容词和副词对句子含义的影响来进行分析。首先通过 Words classifier 搜索所有词性标注的形容词和副词以获取它们的值，接着利用 SentiWordNet 开源词汇资源获取相应值，最后计算整体值。使用 MapReduce 和 Hadoop 架构可大大降低时间复杂度。

1.2 机器学习在情感分析中的应用

• 混合分类技术 ：在电影评论的情感分类中，采用了混合分类技术，将不同的特征集和分类算法（如朴素贝叶斯、遗传算法）进行整合，以准确性为基础分析性能。研究结果表明，混合的 NB - GA 比基础分类器更高效，且在 NB 和 GA 对比中，GA 比 NB 更高效。
• 基于词云的情感分析 ：Kawade 和 Oza 提出的方法中，使用情感包分析六种不同情感（愤怒、厌恶、恐惧、喜悦、悲伤和惊讶）。通过词云记录频繁出现的单词，并为这些单词添加情感，将新单词和情感添加到情感文件中进行情感分析。该方法使用贝叶斯算法，将每个单词与情感文件中的单词进行比较，并为每种情感分配计数，最后显示每种情感的计数。同时，还能确定文本的极性（正、负或中性），通过词云识别新单词并为其分配极性，将每个单词与极性单词文件进行比较并计算文本文件的极性，最后显示每种极性的计数。例如，他们从 Twitter 提取关于查谟和克什米尔 Uri 袭击的推文，使用 Flume 存储在 Hadoop 的 HDFS 中，进行数据预处理并使用 R 语言编写代码，利用 tm