基于SVM的文本情感分類研究及應(yīng)用.pdf

1、隨著互聯(lián)網(wǎng)以及移動(dòng)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?nèi)粘Ｉ钪蝎@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(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理能力對具有感情色彩的觀點(diǎn)、意見進(jìn)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(jìn)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(jià)值，并應(yīng)用于用戶決策、評價(jià)分類、輿情監(jiān)測、信息檢索、垃圾信息過濾等諸多領(lǐng)域。本文以真實(shí)的中文影評為對象，進(jìn)行了文本的情感分類研究。
　　本文首先介

2、紹了基于機(jī)器學(xué)習(xí)的中文文本情感分類的基礎(chǔ)理論知識，包括對中文文本的預(yù)處理、文本表示模型、特征選擇方法、特征權(quán)重計(jì)算等，重點(diǎn)研究了目前應(yīng)用較為廣泛的特征選擇方法以及特征權(quán)重計(jì)算方法。
　　其次，認(rèn)真研究了SVM算法的數(shù)學(xué)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(jìn)行了討論。在此基礎(chǔ)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(jìn)越界粒子的處理方式、引入粒子的自適應(yīng)位置變異處理對P

3、SO算法進(jìn)行了改進(jìn)，并通過四個(gè)Benchmark基準(zhǔn)測試函數(shù)驗(yàn)證了改進(jìn)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(yàn)證和改進(jìn)PSO優(yōu)化的SVM參數(shù)兩種方法的分類精度，驗(yàn)證了本文提出的改進(jìn)PSO算法優(yōu)化SVM參數(shù)的可行性。
　　最后，本文通過網(wǎng)絡(luò)爬蟲抓取豆瓣電影中的真實(shí)影評文本作為情感分類應(yīng)用的數(shù)據(jù)基礎(chǔ)，利用結(jié)巴分詞對文本進(jìn)行分詞處理，通過CHI統(tǒng)計(jì)量對文本進(jìn)行特征選擇，采用TF-IDF