基于情感特征向量空间模型的中文商品评论倾向分类算法

• 作者: 董祥和
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 中文商品评论 情感倾向 情感词典 情感特征向量空间模型 朴素贝叶斯分类
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 信息技术交流
• 页码范围: 319-322,328
• 页数: 5页
• 分类号: TP391
• 字数: 6082字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.08.071

摘要

为了能够快速有效地将中文商品评论识别为好评或差评，提出一种算法。针对不同类别的商品，预先根据其评论语料构建领域情感词典，评论文本与情感词典集匹配提取情感特征，构建情感特征向量空间模型 SF-VSM（Sentiment Feature Vector Space Model），解决传统的特征向量空间模型维数较高及特征选择误差问题。然后基于该模型结合改进的多项式朴素贝叶斯方法对评论进行情感倾向分类。实验结果表明，相比分别基于原始特征和基于χ2特征选取的朴素贝叶斯分类算法，该算法分类精度较高且分类速度快。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董祥和	天津职业技术师范大学经济与管理学院	5	8	2.0	2.0