细粒度微博情绪识别的集成算法研究

• 作者: 王红
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 情绪分析 细粒度 朴素贝叶斯 K最近邻 微博
• 年，卷（期）: 2015,（1）
• 页码范围: 32-35
• 页数: 4页
• 分类号: TP391
• 字数: 4753字
• 语种: 中文

摘要

目前大部分微博情绪分析研究集中在粗粒度情绪的划分,但细粒度微博情绪更能反映公众对舆论热点、政策的反应.因此提出了一种结合朴素贝叶斯和K最近邻的集成算法,着重对新浪微博展开了情绪识别与分析的研究.首先采用朴素贝叶斯分类算法将微博分为有无情绪两类.然后根据情绪本体库的分类规则,分别构建待预测微博和已标注微博的21维情绪向量.最后采用K最近邻算法,计算待预测情绪微博与已标注情绪微博的向量相似度,从而获取待预测微博的细粒度情绪.实验表明K最近邻算法的引入,在微博细粒度情绪识别的准确率上取得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红		3	0	0.0	0.0