基于word2vec和SVMperf的中文评论情感分类研究

• 作者: 张冬雯 杨鹏飞 许云峰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 情感分类 word2vec SVMperf 语义特征 PCA
• 年，卷（期）: 2016,（z1）
• 所属期刊栏目: 数据挖掘
• 页码范围: 418-421,447
• 页数: 5页
• 分类号: TP391
• 字数: 4664字
• 语种: 中文

摘要

利用有监督的机器学习的方法来对中文产品评论文本进行情感分类,该方法结合了word2vec和SVMperf两种工具.先由word2vec训练出语料中每个词语的词向量,通过计算相互之间的余弦距离来达到相似概念词语聚类的目的,通过相似特征聚类将高相似度领域词汇扩充到情感词典;再使用word2vec训练出词向量的高维度表示;然后采用主成分分析方法(PCA)对高维度向量进行降低维度处理,形成特征向量;最后使用两种方法抽取有效的情感特征,由SVMperf进行训练和预测,从而完成文本的情感分类.实验结果表明,采用相似概念聚类方法对词典进行扩充任务或情感分类任务都可以获得很好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冬雯	河北科技大学信息科学与工程学院	39	137	7.0	9.0
2	许云峰	河北科技大学信息科学与工程学院	30	197	8.0	13.0
3	杨鹏飞	河北科技大学信息科学与工程学院	1	26	1.0	1.0