基于機器學(xué)習(xí)的微博評論信息傾向性分析的研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、本文的重點研究對象是微博評論信息的傾向性分析,主要的研究內(nèi)容是以新浪微博中的評論為研究對象并且對評論中的情感傾向進行研究。本研究是將幾種特征進行提煉、融合通過改進的機器學(xué)習(xí)方法來增強分類效果。
  情感分析在輿論監(jiān)控、商品檢驗有著廣泛的應(yīng)用?;诖?,本文提出一個設(shè)想,把評論劃分成三種類型:垃圾評論、主觀評論、客觀評論。針對不同類型的評論選取相應(yīng)的方式進行分析,主觀評論褒貶傾向是此研究分析的重點。
  本文首先對評論數(shù)據(jù)進行清

2、理,剝離垃圾評論以及客觀性評論。其中利用幾種特征的有效融合并結(jié)合樸素貝葉斯、閾值劃分等技術(shù)方法判斷垃圾評論、客觀評論,大大降低了文本的噪聲。
  其次,針對文本褒貶傾向性分析,通過比較幾種特征提取方法,并在其基礎(chǔ)上改進情感詞的選取方式和權(quán)值計算方式,構(gòu)成新的文本向量空間。通過集成學(xué)習(xí)方法以及投票方式將傳統(tǒng)的機器學(xué)習(xí)算法進行融合,達到更好的分析效果。本文實現(xiàn)了針對情感詞的特征提取和權(quán)值計算的性能提升,使用AdaBoost、Rando

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論