融合直推式学习和语义理解的词语倾向性识别

• 作者: 戴文华 焦翠珍 赵君喆 闻彬 饶彬
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 词语倾向性识别 机器学习 语义理解 意见挖掘 情感义原 HowNet
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 74-77
• 页数: 4页
• 分类号: TP391.1
• 字数: 3815字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.01.015

摘要

目前词语情感倾向性识别研究主要分为机器学习和语义理解，机器学习不能很好地识别通用领域词语，语义理解又存在准确率和召回率不够高的问题，因此文中提出了一种融合直推式学习和语义理解的词语倾向性识别方法。首先对HowNet 知识库体系进行改进，在已有的四种义原的基础上，提出第五义原—情感义原；然后将第五义原手工融入到 How-Net 知识库中，再在此基础上提出词语情感相似度计算方法计算词语的情感值；最后将该方法融合直推式学习以判定词语情感倾向性。通过实验结果表明，与支持向量机和原语义理解方法相比，该方法在识别情感词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	赵君喆	湖北科技学院计算机科学与技术学院	6	4	1.0	1.0
2	饶彬	湖北科技学院计算机科学与技术学院	5	1	1.0	1.0
3	闻彬	湖北科技学院计算机科学与技术学院	5	8	2.0	2.0
4	戴文华	湖北科技学院计算机科学与技术学院	6	9	2.0	2.0
5	焦翠珍	湖北科技学院计算机科学与技术学院	1	1	1.0	1.0