中文文本情感分類研究.pdf

1、隨著近幾年微博,電子商務(wù)網(wǎng)站興起,用戶及網(wǎng)絡(luò)評論的數(shù)量呈爆炸性的增長。這些評論中包含對產(chǎn)品,熱點事件等的評判和分析,對于商家的產(chǎn)品改進和政府的輿情監(jiān)控及政策制定有著重要的價值和意義。其中文本的情感傾向分類就是近幾年興起的一個研究熱點。
　　文本情感傾向分類是一個二元分類,即判斷文本是含褒義色彩還是貶義色彩。由于情感表達的復(fù)雜性,究竟哪些詞性的詞語含有更多的情感色彩,對分類幫助更大,本文對此將進行詳細的探討。
　　對于跨領(lǐng)域的

2、文本情感分類研究,本文也改進了一種情感詞典和特征學習結(jié)合的算法,主要的研究成果包括以下幾個方面:
　?、傺芯苛瞬煌~性構(gòu)成的停用詞表對文本情感分類的影響,采用了7種停用詞表,在三個語料庫上,分別對無監(jiān)督的基于情感詞典的分類方法和有監(jiān)督的特征學習方法進行了詳細的實驗及分析,結(jié)果表明對于基于情感詞典的分類方法,采用形容詞,動詞,副詞除外的詞性的詞語作為停用詞分類結(jié)果較好,傳統(tǒng)的文本主題停用詞對分類結(jié)果基本無影響,而對于有監(jiān)督的特征學習

3、方法,形容詞,動詞,副詞,名詞對分類結(jié)果的幫助最大,不使用任何停用詞時取得的分類效果較好。
　?、诟倪M了一種情感詞典和特征學習相結(jié)合的跨領(lǐng)域文本情感分類算法,文本情感分類方法主要分為兩種:無監(jiān)督的基于情感知識的方法和有監(jiān)督的特征學習的分類方法。前者不需要已標注文本,簡單易實現(xiàn),分類精度低;后者分類精度高,但需要大量標注數(shù)據(jù),不利于跨領(lǐng)域。Tan等人提出了一種將情感詞典和特征學習結(jié)合起來的算法,本文將其算法中使用的臺灣大學NTU情感