基于優(yōu)化的語義理解與SVM相結合的文本情感分類研究.pdf

1、近年來信息資源隨著IT行業(yè)的興盛和互聯(lián)網技術的發(fā)展在不斷地增長,人工甄別網上信息的褒貶并加以統(tǒng)計是不現(xiàn)實的,只有采用計算機技術自動地對網絡信息進行采集,并對相關信息進行情感分類,才能夠建立起全面、有效、快速的網絡輿情監(jiān)控預警機制。為此本文對文本情感分類進行以下幾個方面的研究:
　　第一,提出了一種優(yōu)化的語義理解方法,利用微調的知網語義相似度計算方法確定情感詞典中情感詞的權重,然后根據(jù)情感表達詞語搭配模式抽取情感句,最后依據(jù)多詞典融

2、合技術來判斷文本的情感傾向。
　　第二,將傳統(tǒng)的信息增益與詞頻、詞語情感程度相結合,對高維的文本特征進行合理的選取,提高了分類準確率和分類速度。
　　第三,將優(yōu)化的語義理解與SVM相結合構建一個全新的文本情感分類器,充分發(fā)揮兩種方法的優(yōu)勢。首先使用優(yōu)化的語義理解方法標注高類別隸屬信任度的樣本,之后采用這些標注的樣本進行機器學習,不僅在一定程度上避免了樣本選取的隨機性,而且提高了模型的可移植性。
　　第四,研究并設計了基