基于混合型相关系数的概率犹豫模糊集识别方法

针对现有概率犹豫模糊集相关系数研究中存在的缺陷,如未考虑隶属度个数以及存在反直觉现象等,提出新的混合型相关系数.混合型相关系数能够综合反映概率犹豫模糊集之间的个体和整体相关性,相比已有的相关系数更为全面、合理.首先,综合考虑概率犹豫模糊数中元素的整体性、分布和长度3个因素,分别定义均值、方差和长度率3个基本相关系数,在此基础上集成得到混合型相关系数,并证明其满足相关系数公理化定义的基本准则,实例分析结果表明,混合型相关系数能够克服现有概率犹豫模糊相关系数存在的缺陷;然后,基于混合型相关系数,进一步设计概率犹豫模糊环境下的多属性决策方法;最后,通过案例分析验证所提出相关系数的有效性和合理性.

基于关联规则挖掘和极性分析的商品评论情感词典构建

作为情感倾向性分析的基础性工作,情感词典构建包括情感词的识别与极性判断两大任务。本文以亚马逊网站上的音乐商品评论信息作为数据源,力图构建该领域的情感词典。首先利用关联规则挖掘算法充分挖掘领域主题词和情感词之间的关系,获取体现领域特征的情感词;然后针对每个情感词,引入词项间的混合相关关系,结合PageRank模型构建情感词的量化图模型,获得每个情感词的极性。实验结果表明,本文所提方法能有效地构建音乐领域情感词典,不仅能够识别该领域特征的情感词,同时还能较为准确地判断该情感词的情感原极性。