加权维吾尔语句子倾向性分析

准确可靠的文本倾向性分析是网络舆情分析与网络内容安全的前提.本文提出了利用中文极性情感词典How Net、NTUSD以及大连理工大学发布的褒贬情感词词典进行并交运算,选择并翻译为维吾尔语词汇,借助于维吾尔语同义近义词词典,扩展构建了维吾尔语极性情感词典;然后分析总结了否定词、程度副词以及句中的转折连词等情感修饰成分对维吾尔语句子情感极性的影响,并量化为情感词权值;最后设计了基于维吾尔语极性情感词和权值相结合的加权句子情感极性判定算法.利用自建语料库进行测试,并与汉语倾向性判定实验结果比较,证明了本算法进行维吾尔语句子褒贬情感性分析基本是有效地.

一种结合随机游走和粗糙决策的文本分类方法

情感分析一直是社交媒体领域所研究的热点,为克服有些情感词语在文本中模糊性强的问题,本文引入了两个模型.随机游走模型在互联网分析及页面排序中有了一些成熟的应用,但在文本倾向性分析中少有涉及.文中提出基于扩展随机游走模型的情感词极性判别算法,对模糊性词语的情感词极性进行分析,通过建立文本向量空间,提出基于情感词极性权重序的属性离散化算法,对候选属性进行离散化处理.最后通过粗糙决策置信度模型,对文本最终情感类别进行判定.实验通过词极性判别、离散化、粗糙决策置信分类三个阶段,把各阶段得到的结果与其他方法进行对比,最后通过多种评价指标对情感分类的最终分类结果进行评判,实验结果证明了方法的有效性.

面向商品评论文本的情感分析与挖掘

【目的/意义】随着电子商务的快速发展,互联网上出现大量商品评论信息,商品评论文本的情感分析与挖掘对于研究商品口碑、进行商品推荐都具有重要的价值。【方法/过程】文中设计商品属性提取与过滤算法、情感词判别算法,分析商品的评论信息并自动抽取用户关注的商品属性和用户对相应属性的评价观点,并进一步将其应用于商品评价文本的情感倾向性分析。【结果/结论】实现了自动化的商品属性和评价情感词抽取,实现了商品评论的情感倾向性分析,在真实数据集上进行测试取得了准确率81.08%,召回率88.23%。