单词统计特性在情感词自动抽取和商品评论分类中的作用

• 作者: 杨东强 韩彤晖 马宏伟
• 来源期刊: 计算机应用研究
• 关键词: 统计特征 情感词提取 商品评论分类
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 系统应用开发
• 页码范围: 866-872
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.09.0913

摘要

单词的统计特征在自然语言处理中具有广泛应用.针对统计特征对关键词抽取和文本分类精确度的影响,分析了八种常见的统计特征,通过情感词抽取和商品评论分类,研究统计特征在情感分析领域中的作用.利用八种统计特征构造文本向量空间模型,替代基于单词构造文本向量空间模型的方法,能够降低文本向量的维度,具有隐形语义空间(LSA/SVD)的压缩效果,在保证分类结果准确率的前提下有效降低了算法的复杂度,能够替代传统的向量空间模型.情感词提取实验的结果表明,通过结合统计特征与词性,情感词提取的准确率能够达到76.4％,显著高于基于统计特征或单词词性的情感词提取算法;商品评论分类的测试结果表明,与传统的基于单词的文本情感分类相比,基于统计特征的商品评论分类的准确率提高了10.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马宏伟	山东建筑大学计算机科学与技术学院	19	504	5.0	19.0
2	韩彤晖	山东建筑大学计算机科学与技术学院	2	4	1.0	2.0
3	杨东强	山东建筑大学计算机科学与技术学院	2	4	1.0	2.0