融合直推式学习和语义理解的词语倾向性识别

目前词语情感倾向性识别研究主要分为机器学习和语义理解,机器学习不能很好地识别通用领域词语,语义理解又存在准确率和召回率不够高的问题,因此文中提出了一种融合直推式学习和语义理解的词语倾向性识别方法。首先对HowNet知识库体系进行改进,在已有的四种义原的基础上,提出第五义原—情感义原;然后将第五义原手工融入到HowNet知识库中,再在此基础上提出词语情感相似度计算方法计算词语的情感值;最后将该方法融合直推式学习以判定词语情感倾向性。通过实验结果表明,与支持向量机和原语义理解方法相比,该方法在识别情感词上取得了较好的效果。

基于模板匹配的网络评论倾向性分析

不同语境的词语其倾向性有差异。针对此问题,研究了二义词倾向性识别,词语倾向性识别及评论倾向性分析。建立了结构模板集和核心词模板集,用模板匹配方法判断词语在特定句子中的倾向性。根据词语的倾向性并考虑副词和反问句对倾向性的影响,计算评论的倾向性。实验结果表明,可提高网络评论倾向性分析的准确率。