原文服务方: 计算机应用研究       
摘要:
藏文微博具有独特的语法特点,传统方法对藏文文本进行情感分类很难取得较好效果。结合藏文句法结构和语义特征向量构建语义特征空间,提出了一种基于语义空间的藏文微博情感分析方法。首先使用句法树生成句法结构并结合语义特征向量构建特征空间,运用 K-means 方法聚类形成语义簇质心,将基于簇的 TF-IDF值作为最终的微博情感特征值。实验结果表明,该方法的情感分类效果均优于 SVM+TF-IDF 和 naive Bayes +最大熵的方法。
推荐文章
基于深度学习算法的藏文微博情感计算研究
深度学习
藏文微博
词向量
情感计算
藏文情感词典的构建及微博情感计算研究
中文情感词典
藏汉情感词典
藏文情感词典
藏文微博
权值
情感分类
基于语义的微博短文本倾向性分析研究
微博
情感倾向
语义相似度
支持向量机
基于音节标注的藏文自动分词研究
藏文
分词
序列标注
最大熵
条件随机场
最大间隔Markov网络模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于语义空间的藏文微博情感分析方法
来源期刊 计算机应用研究 学科
关键词 藏语微博 情感分类 语义空间 文本聚类 语义簇
年,卷(期) 2016,(3) 所属期刊栏目 算法研究探讨
研究方向 页码范围 682-685
页数 4页 分类号 TP391.1
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2016.03.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于洪志 西北民族大学中国民族信息技术研究院 157 612 12.0 16.0
2 江涛 西北民族大学中国民族信息技术研究院 10 31 4.0 5.0
3 袁斌 西北民族大学中国民族信息技术研究院 2 15 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (476)
参考文献  (13)
节点文献
引证文献  (10)
同被引文献  (57)
二级引证文献  (13)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1965(1)
  • 参考文献(1)
  • 二级参考文献(0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(9)
  • 参考文献(1)
  • 二级参考文献(8)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(11)
  • 参考文献(3)
  • 二级参考文献(8)
2011(8)
  • 参考文献(3)
  • 二级参考文献(5)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(4)
  • 引证文献(3)
  • 二级引证文献(1)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(13)
  • 引证文献(3)
  • 二级引证文献(10)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
藏语微博
情感分类
语义空间
文本聚类
语义簇
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导