基于SVM的高维混合特征短文本情感分类

• 作者: 后盾 王义真 胡昊 郑啸
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 情感分类 混合特征 支持向量机 情感词典
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 88-93
• 页数: 6页
• 分类号: TP393
• 字数: 5766字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.02.020

摘要

针对短文本具有的稀疏性、不规范性、主题不明确性等相关特点,提出一种基于SVM的高维混合特征模型.首先介绍了兼顾语义和情感的6类特征:表情符号特征、词聚类特征、词性标注特征、n-gram特征、否定特征和情感词典.其中主要介绍了该6类特征的概念、抽取方式以及输出形式;其次在第六届中文倾向性分析评测(COAE2014)为基础的数据集上,采用5折交叉的方法对该模型进行了有效性验证,其平均准确率为84.69%、平均召回率为83.13%,而平均F1值为83.90%;接着探讨了SVM惩罚系数对实验的影响;最后将该模型与一步三分类方法、Recursive Auto Encoder、Doc2vec做了对比分析,结果表明提出的模型对短文本情感分类更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑啸	安徽工业大学计算机科学与技术学院	54	1140	12.0	33.0
2	王义真	安徽工业大学计算机科学与技术学院	2	12	1.0	2.0
3	后盾	安徽工业大学计算机科学与技术学院	1	12	1.0	1.0
4	胡昊	安徽工业大学计算机科学与技术学院	1	12	1.0	1.0