基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究

• 作者: 李晓东 肖基毅 邹银凤
• 来源期刊: 南华大学学报（自然科学版）
• 学科: 工学
• 关键词: 情感分类 隐朴素贝叶斯 TF-IDF 权重 朴素贝叶斯
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 数理·计算机科学
• 页码范围: 79-84
• 页数: 6页
• 分类号: TP391
• 字数: 4145字
• 语种: 中文
• DOI: 10.19431/j.cnki.1673-0062.2019.02.013

摘要

为了提高情感分类准确率,提出了一种基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究.通过改进的TF-IDF算法提取文本特征词,并根据属性之间的依赖关系添加隐藏的父节点,增强了属性之间的依赖关系,提高了情感分类的准确性.实验结果表明,在平均宏查准率、宏查全率和宏F1值在改进之后的算法分别提高了5％、8％和6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖基毅	南华大学计算机学院	43	178	7.0	11.0
2	李晓东	南华大学计算机学院	1	0	0.0	0.0
3	邹银凤		1	0	0.0	0.0