基于机器学习的微博情感分类研究

• 作者: 冯成刚 田大钢
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 机器学习 情感分类 微博 特征选择 特征权重
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 58-61,66
• 页数: 5页
• 分类号: TP301
• 字数: 4498字
• 语种: 中文
• DOI: 10.11907/rjdk.173073

摘要

针对目前国内外学者对微博情感只作二分类研究,仅仅从正面和负面研究微博情感不足的问题,选取NLPCC2013-2014年多情感的微博数据集,重点研究常用的3种机器学习算法、3种特征选择以及特征权重方法对中文微博情感多分类的影响.实验表明:不管选择哪种特征权重,使用SVM的微博文本分类准确率都最高,KNN的准确率最低;不同特征权重下,信息增益作为特征选择的方法时,3个算法各自准确率都是最高的;当信息增益为特征选择,T F-ID F为特征权重时,支持向量机的文本分类准确率最高.由于微博简短、口语化,词袋模型忽视了词与词间的联系,导致微博情感分类准确率不高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田大钢	上海理工大学管理学院	54	437	12.0	19.0
2	冯成刚	上海理工大学管理学院	2	13	2.0	2.0