Mixed-Fisher特征云模型聚类在文本情感分类中的应用

• 作者: 李明 谭萍 邢玉娟 郭显
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 文本情感分类 Fisher判别比 词性特征 云向量模型 核Fisher判别
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1320-1331
• 页数: 12页
• 分类号: TP181
• 字数: 8790字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1507034

摘要

海量网络信息的出现,使得提取文本信息情感观点成为研究的热点.针对文本情感分类中文本信息模糊及分类准确率低的问题,提出了一种基于Mixed-Fisher特征选择的文本云向量模型聚类算法.该算法首先分别计算文档中各个词性特征项的Fisher判别比,根据Fisher判别比越大特征向量判别性越强的Fisher准则,选择Fisher比值较大的前q个特征,并按照词性进行组合生成文档的Mixed-Fisher特征向量.然后在Mixed-Fisher特征向量集上构建文档的云向量模型,根据云向量模型间的差异度对模型进行聚类和合并.将该算法应用于文本情感观点的分类,选择核Fisher判别技术用于最终文本观点的判定.仿真实验结果表明,基于Mixed-Fisher特征的云向量聚类模型的分类准确率明显优于传统向量空间模型,从而验证了核Fisher判别技术的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	兰州理工大学计算机与通信学院	115	778	15.0	21.0
2	郭显	兰州理工大学计算机与通信学院	13	50	4.0	6.0
3	邢玉娟	兰州文理学院数字媒体学院	38	93	5.0	7.0
4	谭萍	兰州文理学院数字媒体学院	25	62	5.0	6.0