基于情感模型的文本意见分类方法

• 作者: 吴承荣 曾剑平 段江娇 罗邦慧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Ekman模型 意见分类 特征选择 情感模型 机器学习
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP391
• 字数: 5103字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.05.032

摘要

基于向量空间模型、潜在语义分析等传统文本意见分类模型将文本映射到词汇或语义空间中，侧重于词汇的辨别能力，无法对映像空间给出明确的语义说明，导致其扩展性、准确率等方面的性能受到限制。为此，在人类情感分类理论的基础上，假设文本中的意见表达与人们的情感存在较强的关联，结合词汇语义扩展、特征选择等方法构造3种情感表示模型，把表达人类情感倾向的文本转换到情感空间中，利用情感模型对国外股票论坛信息提取情感特征，构建情感模型，并设计文本意见分类方法。针对实际股票论坛的数据进行实验，结果表明，该分类方法能获得较高的分类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴承荣	复旦大学计算机科学技术学院	32	279	7.0	16.0
5	曾剑平	复旦大学计算机科学技术学院	17	145	5.0	12.0
9	段江娇	上海理工大学管理学院	19	12	2.0	3.0
10	罗邦慧	复旦大学计算机科学技术学院	1	4	1.0	1.0