论文部分内容阅读
近年来信息资源随着IT行业的兴盛和互联网技术的发展在不断地增长,人工甄别网上信息的褒贬并加以统计是不现实的,只有采用计算机技术自动地对网络信息进行采集,并对相关信息进行情感分类,才能够建立起全面、有效、快速的网络舆情监控预警机制。为此本文对文本情感分类进行以下几个方面的研究:第一,提出了一种优化的语义理解方法,利用微调的知网语义相似度计算方法确定情感词典中情感词的权重,然后根据情感表达词语搭配模式抽取情感句,最后依据多词典融合技术来判断文本的情感倾向。第二,将传统的信息增益与词频、词语情感程度相结合,对高维的文本特征进行合理的选取,提高了分类准确率和分类速度。第三,将优化的语义理解与SVM相结合构建一个全新的文本情感分类器,充分发挥两种方法的优势。首先使用优化的语义理解方法标注高类别隶属信任度的样本,之后采用这些标注的样本进行机器学习,不仅在一定程度上避免了样本选取的随机性,而且提高了模型的可移植性。第四,研究并设计了基于本文方法的文本情感倾向分类模型,实验结果表明,基于优化的语义理解与SVM相结合的文本情感分类方法是可行的。