基于语义理解的Bayesian-Boosting情感分类

• 作者: 于成龙 李鑫鑫 沈剑平 王轩
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 语义理解 Bayesian Boosting 情感分类
• 年，卷（期）: 2010,（1）
• 页码范围: 161-164
• 分类号: TP391.1
• 字数: 3514字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2010.01.037

摘要

提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类.首先提取文本中的情感词汇作为特征,利用统计学方法得到特征的初始权重,然后通过分析文本语义结构修改特征权重,最后利用Bayesian算法和以Bayesian作为基本分类算法的Boosting算法进行分类.实验表明,基于语义理解的Bayesian分类算法的分类准确率高于仅基于统计学的Bayesian分类算法,基于语义理解的Bayesian-Boosting算法的分类准确率最高,达到了90%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王轩	哈尔滨工业大学深圳研究生院计算机应用研究中心	16	170	8.0	13.0
2	李鑫鑫	哈尔滨工业大学深圳研究生院计算机应用研究中心	3	22	3.0	3.0
3	沈剑平	哈尔滨工业大学深圳研究生院计算机应用研究中心	1	4	1.0	1.0
4	于成龙	哈尔滨工业大学深圳研究生院计算机应用研究中心	2	118	2.0	2.0