基于樸素貝葉斯的中文文本情感傾向分類(lèi)研究.pdf

1、分類(lèi)號(hào)TP391密級(jí)基于樸素貝葉斯的中文文本情感傾向分類(lèi)研究研究生姓名：楊鼎指導(dǎo)教師姓名、職稱(chēng)：陽(yáng)愛(ài)民教授學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)軟件與理論研究方向：模式分類(lèi)湖南工業(yè)大學(xué)二○一○年六月十七日I摘要人們對(duì)事物的情感傾向是兩面性的，例如正面和負(fù)面，褒義和貶義等。因此通常認(rèn)為文本的情感傾向分類(lèi)是一個(gè)兩分類(lèi)問(wèn)題，也就是把文本的情感分成正面或者反面。文本情感傾向分類(lèi)是文本分類(lèi)領(lǐng)域一個(gè)比較新穎的研究方向，具有很大的商業(yè)價(jià)值，可以應(yīng)用到輿論分析、信息過(guò)濾、產(chǎn)

2、品評(píng)價(jià)、產(chǎn)品推薦、智能化搜索和用戶(hù)興趣發(fā)掘等方面。本文以樸素貝葉斯方法構(gòu)建文本情感分類(lèi)器為主線(xiàn)，研究了文本情感傾向分類(lèi)中情感語(yǔ)料采集和標(biāo)注、情感詞典構(gòu)建、特征選擇方法、特征權(quán)值與向量表示等關(guān)鍵問(wèn)題，提出了一些新的觀(guān)點(diǎn)和方法，并通過(guò)實(shí)驗(yàn)進(jìn)行了驗(yàn)證。主要的研究工作和結(jié)果有：1、利用DOM對(duì)中文賓館評(píng)論網(wǎng)頁(yè)進(jìn)行分析，設(shè)計(jì)了對(duì)賓館評(píng)論文本自動(dòng)采集的算法，用這種算法從互聯(lián)網(wǎng)上采集了700萬(wàn)字的中文賓館評(píng)論作為語(yǔ)料庫(kù)。該語(yǔ)料庫(kù)來(lái)源可靠，情感特征明顯

3、，對(duì)研究互聯(lián)網(wǎng)評(píng)論文本的情感分類(lèi)問(wèn)題具有一定的意義。并對(duì)其進(jìn)行了中文分詞和情感標(biāo)注處理。2、提出利用PMI算法，選用基礎(chǔ)情感詞典作為種子詞，在中文賓館評(píng)論語(yǔ)料庫(kù)上構(gòu)建賓館評(píng)論領(lǐng)域情感詞典的方法。并用這種方法構(gòu)建了一個(gè)賓館評(píng)論情感詞典，基于該詞典作為特征選擇對(duì)賓館評(píng)論進(jìn)行情感分類(lèi)效果比較好。3、研究了利用樸素貝葉斯理論構(gòu)建文本情感分類(lèi)器的方法，以及先驗(yàn)概率和后驗(yàn)概率的估計(jì)問(wèn)題，提出了一種新的后驗(yàn)概率Laplace轉(zhuǎn)換的參數(shù)設(shè)置，這種設(shè)置方

4、法對(duì)樸素貝葉斯分類(lèi)器的分類(lèi)性能有很大的提升。并且提出了一種基于情感詞典作為特征選擇的文本情感分類(lèi)方法，這種方法具有分類(lèi)速度快、分類(lèi)效果好，魯棒性等特點(diǎn)比使用CHI統(tǒng)計(jì)進(jìn)行特征選擇的樸素貝葉斯文本情感分類(lèi)器和基于情感傾向權(quán)值構(gòu)建的文本情感分類(lèi)器的分類(lèi)效果都要好，可以對(duì)大量文本進(jìn)行情感分類(lèi)應(yīng)用。4、設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)中文文本情感分類(lèi)實(shí)驗(yàn)系統(tǒng)，該系統(tǒng)具有界面友好、速度快和穩(wěn)定性高等特點(diǎn)。具有中文分詞、特征權(quán)值計(jì)算、CHI特征選擇、情感詞典構(gòu)建、