以主观线索为特征的主观性文本识别

目前的主观性文本识别方法多是基于词典和统计的方法,忽略了包含丰富情感信息的主观线索,准确率不高。针对这一问题,提出以主观线索为特征的主观性文本识别方法。选取关联词、情感词以及指示性动词、感叹词、程度副词、带有情感色彩的标点符号等6种主观线索特征作为主观性文本识别依据,建立主观线索特征词表,用朴素贝叶斯分类器对主观性文本进行识别。实验结果表明,相比朴素贝叶斯+主观线索(不含关联词)方法和传统朴素贝叶斯方法,该方法准确率分别平均提高8%和14%。

文本倾向性分析综述

介绍文本倾向性分析的基本流程,从主观性文本识别、文本倾向性分析方法、现有系统及评测方法、语料库建设4个方面对现有文本倾向性分析技术进行介绍和概括.综述了文本倾向性分析的3类研究方法:简单统计方法、机器学习方法和细粒度情感相关性分析方法,分析这3类研究方法的特点,从算法复杂性、效率和适用范围等方面比较各自的优缺点.概括现有研究的成就和不足,从基础性问题、具体应用的实现方法2个方面提出研究的前景.

机器学习下网络平台文本的中文情感分析

介绍了基于机器学习自然语言处理下的关键技术,对文本进行分词、分句、词性标注等预处理,分析了情感词、指示性动词、关联词等,列出了网络里的感情色彩字符,并经过实验验证了在嵌入关联词和新兴网络语言权重因子后,文本的主客观分类效率显著提升。在实现主观语句较为精准的分类基础上,又对单句进行情感分析,强调否定词及程度副词对单句的影响;通过单句在文本中的作用与贡献不同,对主观语句的情感赋予不同的权重,再引入自定义合成算法,判断出整篇文本的情感倾向。实验结果证明,相较于情感倾向值累加求均值而言,依靠语句权重条件下合成算出的情感倾向准确率更高。