基于补全矩阵的多标签相关性情感分类

• 作者: 李胜宇 许莉莉 高俊波
• 来源期刊: 计算机系统应用
• 关键词: 社会新闻 情感分析 标签相关性 补全矩阵-LDA(CM-LDA) 多标签分类
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 175-180
• 页数: 6页
• 字数: 3517字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005496

摘要

目前,对新闻情感分类问题的研究大部分是从新闻作者的角度进行的,而对读者反馈的真实情感分析的较少.本文从读者角度入手进行情感分析研究.提出一种基于补全矩阵的多标签相关性情感分类模型,采用LDA提取主题表示新闻文本,然后通过使用标签相关性矩阵对原始的标签矩阵进行补全,构造了一个增强的补全标签矩阵模型(CM-LDA).最后通过和原始矩阵的LDA模型进行比较,该模型使最终的多标签分类性能有了明显的提高,准确率达到了85.72％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高俊波	上海海事大学信息工程学院	16	104	6.0	9.0
2	李胜宇	上海海事大学信息工程学院	2	14	1.0	2.0
3	许莉莉	上海海事大学信息工程学院	2	14	1.0	2.0