基于SVM的文本情感分類研究及應用.pdf

1、隨著互聯(lián)網(wǎng)以及移動互聯(lián)網(wǎng)的快速普及和發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為人們日常生活中獲取和傳遞信息、交流主觀情感的重要渠道。文本情感分類就是使用計算機強大的數(shù)據(jù)處理能力對具有感情色彩的觀點、意見進行處理、分類、歸納和推理的過程。對互聯(lián)網(wǎng)中的評論文本進行情感分析，能夠發(fā)現(xiàn)用戶的情感規(guī)律，挖掘其中的潛在價值，并應用于用戶決策、評價分類、輿情監(jiān)測、信息檢索、垃圾信息過濾等諸多領域。本文以真實的中文影評為對象，進行了文本的情感分類研究。
　　本文首先介

2、紹了基于機器學習的中文文本情感分類的基礎理論知識，包括對中文文本的預處理、文本表示模型、特征選擇方法、特征權重計算等，重點研究了目前應用較為廣泛的特征選擇方法以及特征權重計算方法。
　　其次，認真研究了SVM算法的數(shù)學原理與建模過程，就SVM的基本方法和核函數(shù)選擇等問題進行了討論。在此基礎之上闡述了PSO算法的原理，針對PSO算法在后期容易陷入局部收斂的問題，引入了收斂因子、改進越界粒子的處理方式、引入粒子的自適應位置變異處理對P

3、SO算法進行了改進，并通過四個Benchmark基準測試函數(shù)驗證了改進PSO算法的有效性。通過UCI數(shù)據(jù)庫中的Sonar數(shù)據(jù)集和Banknote數(shù)據(jù)集對比了交叉驗證和改進PSO優(yōu)化的SVM參數(shù)兩種方法的分類精度，驗證了本文提出的改進PSO算法優(yōu)化SVM參數(shù)的可行性。
　　最后，本文通過網(wǎng)絡爬蟲抓取豆瓣電影中的真實影評文本作為情感分類應用的數(shù)據(jù)基礎，利用結巴分詞對文本進行分詞處理，通過CHI統(tǒng)計量對文本進行特征選擇，采用TF-IDF