中文网络评论的情感特征项选择研究

• 作者: 刘仲英 王洪伟 郑丽娟 霍佳震
• 来源期刊: 信息系统学报
• 学科: 社会科学
• 关键词: 网络评论 情感分类 特征项选择 统计机器学习
• 年，卷（期）: 2012,（2）
• 页码范围: 76-86
• 页数: 11页
• 分类号: C931.6

摘要

本文采用统计机器学习方法，对面向情感分类的中文网络评论特征项的选择进行研究。选取词性、词性组合、N—gram作为情感文本的潜在特征项，利用文档频率法对特征项实施降维处理，采用布尔权重法构建特征向量，并采用SVM分类器进行网络评论的情感分类。最后，以手机网络评论为对象进行实验分析，并采用卡方检验测试实验结果的差异显著性。结果表明，中文网络评论的情感分类中，将形容词作为特征项可以获得较高的分类准确率和效率；选用N—gram作为特征项时，分类准确率随着阶数的增加而下降；选取训练语料和特征项的数量对分类效果也有显著影响，但并非数量越多准确率越高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘仲英	同济大学经济与管理学院	144	3170	28.0	50.0
2	霍佳震	同济大学经济与管理学院	155	3783	31.0	56.0
3	王洪伟	同济大学经济与管理学院	78	1201	20.0	31.0
4	郑丽娟	同济大学经济与管理学院	9	95	4.0	9.0