基于机器学习的互联网评论倾向性分析相关算法研究

• 作者: 吴菲 徐姗姗
• 来源期刊: 佳木斯大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 IG算法 TF-IDF算法 融合分类器
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 电气工程与信息技术
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP39
• 字数: 3897字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-1402.2019.01.008

摘要

主要研究网络评论信息的情感倾向性判断的方法,针对于传统IG算法和TF-IDF算法所存在的不足,提出了改进的IG算法和TF-IDF算法.并针对于朴素贝叶斯方法、KNN算法以及SVM分类算法的不足,提出了融合分类器.通过实验表明,该融合分类器取得了一定的效果,能有效的提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐姗姗	南京林业大学信息科学与技术学院	13	102	2.0	10.0
2	吴菲	南京工业大学浦江学院	19	79	5.0	8.0