基于優(yōu)化的語(yǔ)義理解與SVM相結(jié)合的文本情感分類(lèi)研究.pdf

1、近年來(lái)信息資源隨著IT行業(yè)的興盛和互聯(lián)網(wǎng)技術(shù)的發(fā)展在不斷地增長(zhǎng),人工甄別網(wǎng)上信息的褒貶并加以統(tǒng)計(jì)是不現(xiàn)實(shí)的,只有采用計(jì)算機(jī)技術(shù)自動(dòng)地對(duì)網(wǎng)絡(luò)信息進(jìn)行采集,并對(duì)相關(guān)信息進(jìn)行情感分類(lèi),才能夠建立起全面、有效、快速的網(wǎng)絡(luò)輿情監(jiān)控預(yù)警機(jī)制。為此本文對(duì)文本情感分類(lèi)進(jìn)行以下幾個(gè)方面的研究:
　　第一,提出了一種優(yōu)化的語(yǔ)義理解方法,利用微調(diào)的知網(wǎng)語(yǔ)義相似度計(jì)算方法確定情感詞典中情感詞的權(quán)重,然后根據(jù)情感表達(dá)詞語(yǔ)搭配模式抽取情感句,最后依據(jù)多詞典融

2、合技術(shù)來(lái)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(yǔ)情感程度相結(jié)合,對(duì)高維的文本特征進(jìn)行合理的選取,提高了分類(lèi)準(zhǔn)確率和分類(lèi)速度。
　　第三,將優(yōu)化的語(yǔ)義理解與SVM相結(jié)合構(gòu)建一個(gè)全新的文本情感分類(lèi)器,充分發(fā)揮兩種方法的優(yōu)勢(shì)。首先使用優(yōu)化的語(yǔ)義理解方法標(biāo)注高類(lèi)別隸屬信任度的樣本,之后采用這些標(biāo)注的樣本進(jìn)行機(jī)器學(xué)習(xí),不僅在一定程度上避免了樣本選取的隨機(jī)性,而且提高了模型的可移植性。
　　第四,研究并設(shè)計(jì)了基