短文本特征的组合加权方法

• 作者: 滕少华 谭有新
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 情感分析 特征选择 组合加权
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 综合研究
• 页码范围: 51-61
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.12052/gdutxb.200019

摘要

文本情感分析是自然语言处理的典型任务,但是现有情感分析正确率不高,其中词的特征化是一个重要原因.本文提出了一种短文本特征的组合加权方法(a Combined Weighting method for Short Text Features,CWSTF),可以有效提高情感分析正确率.CWSTF方法以随机森林为基础评估特征对于情感的贡献度并排序,进而依排序来进行特征选择.然后考虑特征在文档中的重要性TF-IDF(Term Frequency-Inverse Document Frequency),以特征在文档中的重要性和情感贡献度确定该特征的权重.最后,用支持向量SVM(Support Vector Machine)、朴素贝叶斯NB(Naive Bayes)、最大熵ME(Maximum Entropy)、K最近邻KNN(K-NearestNeighbor)等分类器进行比较实验,实验结果表明采用本文方法处理的特征,比其余方法能有效提高情感分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕少华		121	825	15.0	20.0
2	谭有新		1	0	0.0	0.0