基于机器学习的中文评论倾向性分类实证研究

• 作者: 何力 周军 邓璐 韩伟红
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 倾向性 机器学习 特征选择 特征项权重
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 入选论文
• 页码范围: 164-166
• 页数: 3页
• 分类号: TP309
• 字数: 2729字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2013.10.052

摘要

文章对长度短、变形词多的中文评论的倾向性分类问题做了深入研究，分析了目前比较流行的几种算法，其中特征选取方法选取了卡方统计量（CHI）、信息增益（IG）、互信息（MI）；分类算法选取了K最邻近节点（KNN）方法、支持向量机（SVM）方法、朴素贝叶斯（Naive Bayes）方法。通过两两组合进行实验，最终的实验结果表明，特征选取方法采用IG，分类算法采用Na?ve Bayes效果较为理想。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩伟红		41	267	9.0	15.0
2	邓璐		4	29	2.0	4.0
3	何力		2	10	1.0	2.0
4	周军		1	1	1.0	1.0