基于证据理论的多分类器中文微博观点句识别

• 作者: 张泽宇 李莉 潘玉斌 郭云龙
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微博 观点句 支持向量机 朴素贝叶斯 K近邻 证据理论
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 159-163,169
• 页数: 6页
• 分类号: TP18
• 字数: 4318字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.04.031

摘要

随着新技术及社会网络的发展与普及,微博用户数据量剧增,与此相关的研究引起了学术界和工业界的关注.针对中文微博语句特点,通过对比多种特征选取方法,提出一种新的特征统计方法.根据构建的词语字典与词性字典,分析支持向量机、朴素贝叶斯、K最近邻等分类模型,并利用证据理论结合多分类器对中文微博观点句进行识别.采用中国计算机学会自然语言处理与中文计算会议(NLP&CC 2012)提供的数据,运用该方法得到的准确率、召回率和F值分别为70.6％、89.2％、78.9％,而NLP&CC2012公布的评测结果相应平均值分别为72.7％、61.5％、64.7％,该方法在召回率和F值2个指标上超过其平均值,而F值比NLP&CC2012评测结果的最好值高出0.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李莉	西南大学计算机与信息科学学院	34	245	9.0	15.0
2	郭云龙	西南大学计算机与信息科学学院	3	32	3.0	3.0
3	潘玉斌	西南大学计算机与信息科学学院	1	18	1.0	1.0
4	张泽宇	西南大学计算机与信息科学学院	7	59	3.0	7.0