基于NMF的Web评论情感分类方法研究

• 作者: 任静 刘立波
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: Web评论 情感极性分类 非负矩阵分解 支持向量机
• 年，卷（期）: 2016,（6X）
• 页码范围: 167-170
• 页数: 4页
• 分类号: TP391.1

摘要

Web评论研究技术中,其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解(nonnegative matrix decomposition,NMF)和支持向量机(support vector machine,SVM)相结合,构造出一种基于NMF的支持向量机(NMF-SVM)分类算法。该算法利用NMF对初始的"词—文档"向量矩阵进行有效降维,提取潜在语义,最后利用支持向量机对重新构造的"词-文本"向量模型进行情感分类。实验结果证明,该分类算法的准确率优于比传统的SVM算法,具有一定应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘立波	宁夏大学信息工程学院	56	303	9.0	16.0
2	任静	宁夏大学信息工程学院	11	3	1.0	1.0