基于word2vec和SVMperf的網(wǎng)絡(luò)中文文本評(píng)論信息情感分類研究.pdf

1、近些年來，隨著web2.0技術(shù)的產(chǎn)生和飛速發(fā)展，尤其是諸如電子商務(wù)、博客、論壇、微博等許多新興互聯(lián)網(wǎng)平臺(tái)的出現(xiàn)，越來越多的用戶習(xí)慣于在這些網(wǎng)絡(luò)平臺(tái)上發(fā)表自己的觀點(diǎn)，表達(dá)自己的感受。而隨著網(wǎng)絡(luò)用戶量的不斷增加，產(chǎn)生的用戶評(píng)論數(shù)量也呈爆炸式增長(zhǎng)，僅憑用戶來翻看這些評(píng)論以獲取有價(jià)值的信息，變得不切實(shí)際。因此，一個(gè)新的用來幫助用戶對(duì)海量評(píng)論進(jìn)行分析甄選，從中抽取出有價(jià)值的信息的研究方向應(yīng)運(yùn)而生，即“情感分類”。
　　在情感分類研究中，用的

2、最多的也最有效的方法是基于機(jī)器學(xué)習(xí)的方法。在基于機(jī)器學(xué)習(xí)方法的情感分類研究中，最重要的環(huán)節(jié)是有效特征的提取。在前人的研究中，往往只考慮了淺顯的詞匯特征和句法特征，而忽略了對(duì)于隱含的語(yǔ)義特征的提取。針對(duì)此問題，本文主要進(jìn)行了以下三個(gè)方面的研究:
　　1)本文利用word2vec可以獲取語(yǔ)義聯(lián)系的特性，首先對(duì)文本語(yǔ)料庫(kù)進(jìn)行了相似特征聚類的實(shí)驗(yàn)，將語(yǔ)料庫(kù)中描述同一個(gè)產(chǎn)品特征的詞語(yǔ)進(jìn)行了聚類，方便后續(xù)的情感分類研究工作可以獲得良好的分析總

3、結(jié)。實(shí)驗(yàn)結(jié)果表明，利用word2vec可以很好地將語(yǔ)料庫(kù)中的相似特征提取出來，并聚合為同一產(chǎn)品特征簇。
　　2)本文提出了基于word2vec和SVMperf的中文文本情感分類研究方法。方法利用word2vec的特性，將文本中的詞匯表示為向量空間中的高維向量，通過對(duì)這些詞向量進(jìn)行余弦相似度的計(jì)算，從而獲得詞匯之間在語(yǔ)義上的相似度，然后將這些向量作為語(yǔ)義特征，用SVMperf分類模型進(jìn)行訓(xùn)練，得到最終的分類結(jié)果。實(shí)驗(yàn)結(jié)果表明，此方法

4、可以獲得較好的分類結(jié)果。
　　3)為了進(jìn)一步提升分類的正確率，本文又在上述情感分類方法的基礎(chǔ)上，在提取特征時(shí)，考慮了否定詞、程度詞和轉(zhuǎn)折詞等上下文結(jié)構(gòu)特征，再結(jié)合語(yǔ)義特征，一起作為有效特征用SVMperf訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明，結(jié)合了上下文結(jié)構(gòu)特征的情感分類方法可以獲得更佳的分類效果。
　　最后，本文將情感分類算法與具體應(yīng)用相結(jié)合，開發(fā)了一套股票分析系統(tǒng)。系統(tǒng)主要通過對(duì)股民評(píng)論的情感指數(shù)與股票價(jià)格走勢(shì)的分析對(duì)比，判斷兩者有