基于中文微博的产品评价分类算法

• 作者: 张燕
• 来源期刊: 现代电子技术
• 关键词: 微博 产品评价 数据挖掘 支持向量机 半监督学习
• 年，卷（期）: 2016,（14）
• 所属期刊栏目: 计算机应用技术
• 页码范围: 77-79,83
• 页数: 4页
• 分类号: TN911-34|TP393
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2016.14.021

摘要

在中文微博产品评价分类算法中，由于常规SVM分类器在对少量标记数据的样本进行训练时，泛化能力无法满足要求，无法直接应用于微博文本的数据挖掘中，而传统的半监督TSVM算法的改造是通过对未标记数据增加惩罚函数完成的，这样会产生非凸函数优化问题。因此该文研究一种半监督高斯混合模型核的支持向量机分类算法。使用高斯混合模型对已标记和未标记数据进行训练，求取概率分布。最后通过一个对于iPhone手机的评价实例进行分析，验证了该文研究方法的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕	新疆师范大学教育科学学院	16	59	4.0	7.0