基于SVM的在线商品评论的情感倾向性分析

在线商品评论的情感倾向分析是一个很有研究价值的分类技术。文中采用SVM文本分类算法将在线商品评论进行情感倾向分析,同时,为了克服传统的CHI统计特征选择法的不足,提出了结合方差分析的CHI统计特征选择方法。实验表明:在基于SVM的在线商品评论情感倾向分析中,改进的特征选择方法对在线商品评论的情感分类效果有很好的提升。

基于音乐内容和歌词的音乐情感分类研究

针对音乐情感分类问题,为了弥补仅仅利用音乐内容进行音乐情感分类的单一模态分类方法的不足,文中提出了结合音乐内容和歌词的多模态音乐情感分类的方法。主要探讨了如何利用歌词对音乐进行情感分类以及结合歌词和音乐内容以达到提高分类准确率的效果。对歌词进行特征选择时,分别利用CHI特征选择算法和潜在语义分析(LSA)对歌词进行降维处理,有效去除了噪声,提高了分类效率。针对多模态融合问题,在传统的LFSM融合方法的基础上,提出了改进的LFSM融合方法,并通过实验验证了该方法的可行性;同时将该方法与其他传统的融合方法的分类效果进行了比较。结果表明,改进的LFSM融合方法的分类准确率最高,达到了79.51%,验证了该方法的有效性。