基于朴素贝叶斯模型的一种网络负面信息预警策略研究

• 作者: 崔晨阳 张扬
• 来源期刊: 图书馆杂志
• 关键词: 负面信息 情感分析 机器学习 朴素贝叶斯 舆情监测 预警
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 新技术应用
• 页码范围: 78-82
• 页数: 5页
• 语种: 中文
• DOI: 10.13663/j.cnki.lj.2014.08.012

摘要

Naive Bayes是一种基于概率的分类器,它用各个类别的先验概率和每个类别出现特定特征的条件概率来预测出现这些特征的个体的类别.针对当前“网络负面信息满天飞”的现状,本文提出了一种基于朴素贝叶斯模型的网络负面信息预警策略.与一般的文本分类不同,针对大规模网络碎片化信息的情感识别一方面对执行效率要求很高,另一方面主要关注有主观情感倾向的词.针对这些问题,我们做了相应的优化策略,如提取情感倾向专用停用词表,细化对否定词的处理等,并以2万条微博数据样本为例进行测试,实验证明这些策略在文本情感识别中具有较为理想的执行效率和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张扬		42	93	5.0	9.0
2	崔晨阳		1	0	0.0	0.0