基于命名实体的Web新闻文本分类方法

文章对Web新闻领域的文本自动分类问题进行了研究,提出一种基于新闻实体要素的分类方法;在应用空间向量模型的基础上,充分考虑命名实体对Web新闻文本分类的特殊作用,并进行了实验。实验结果表明,以新闻实体要素为特征的文本分类系统可得到较高的分类精度,该方法具有一定的实用价值。

一种模式匹配和统计学习相结合的文本情感分类方法

为了提高Web评论文本情感分类的性能,通过分析评论文本中词语之间的搭配关系,提出了一种基于模式匹配和统计学习相结合的文本情感分类方法,即将N-gram方法与情感词语搭配模式相结合,从评论文本提取特征,再利用机器学习方法实现文本情感分类。实验结果表明,与传统机器学习方法相比,该方法能显著提高文本情感分类的性能。

基于主题关键词的网络舆情分析研究

采用手工设置和特征提取相结合的方法来确立舆情主题,依据设定的主题关键词采集舆情页面。根据抓取的舆情页面特点,解析并提取页面的标题、页面链接及链接上下文等元数据,根据页面元数据与舆情主题的相关度来筛选出舆情主题页面。通过实验发现,在不同的舆情发展阶段,舆情主题关键词的变化能反映出舆情的关注点变化,最终实现快速跟踪舆情发展的目的。