基于朴素贝叶斯的文本情感分类及实现

• 作者: 刘志钢 李健 梁柯 陈颖雪
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 文本分类 词袋模型 Word2Vec 逻辑回归 朴素贝叶斯
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 系统开发与应用
• 页码范围: 150-153,157
• 页数: 5页
• 分类号: TP391.1
• 字数: 3288字
• 语种: 中文

摘要

本文利用Python语言,对25 000条英文影评数据进行文本分类.首先利用词袋模型对文本数据进行分类.在此基础上加入Word2Vec建立新的词向量特征,通过精准率和召回率对比前后2种模型的分类效果;最后通过逻辑回归和朴素贝叶斯分类模型的分类效果对照得出研究结论.结果 表明:对于英文影评文本分类,在同等条件下,使用Word2Vec构建词向量模型的精准率和召回率比使用bag of Word词袋模型分别高出0.02个百分点和0.026个百分点;在使用Word2Vec的基础上,朴素贝叶斯分类器的精准率和召回率分别高出逻辑回归分类0.027个百分点和0.028个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李健		44	106	5.0	8.0
2	刘志钢		75	288	11.0	14.0
3	陈颖雪		31	78	5.0	8.0
4	梁柯		2	3	1.0	1.0