NLP在网络书评情感分析中的应用

2018-09-18 09:57:32李春虎赵海博秦豪
数码设计 2018年2期
关键词:文本情感分析

李春虎,赵海博,秦豪

(华北理工大学理学院,河北唐山,063210)

引言

情感分析问题本质上是文本分类问题,通常是将文本分为消极情感和积极情感两类,有监督的文本情感分析主要是运用朴素贝叶斯、支持向量机等有监督学习算法进行情感分类,实验证明,使用一元词作为特征的朴素贝叶斯(NB,naïve Bayes)和支持向量机(SVM,Support Vector Machine)等机器学习算法在文本情感分析中表现出色.Pang、Lee和Vaithyanathan等[1]被认为是最早将原本应用于基于主题分类的机器学习算法应用到文本情感分析研巧中的研巧者,他们使用朴素贝叶斯、最大熵(ME,Maximum Entropy)、支持向量机等机器学习算法将电影评论文本分为褒义和贬义两类。Mlen和Collier等[2]在此基础上提出了一种将基于一元词特征与基于实际特征词相结合的SVM算法Ye等[3]比较了朴素贝叶斯、支持向量机和基于特征的N-gram模型在旅行博客评论文本上的分类效果,实验结果表明,支持向量机和N-gram模型准确率高于朴素贝叶斯算法,当训练集足够大时,这H种方法均能得到80%的准确率。Martineau和Finin等[4]提出了一种名为DeltaTFIDF的新的加权模式,提高了SVM算法的准确率。

伴随着联网的发展、电子商务的兴起以及信息的实时与交互化趋势,网络书评作为一种重要的书评资源,这些评论为本表达了评论者的观点和情感,用户也习惯于从网络书评中获取图书相关信息,为自己的决策寻找相关意见。分析用户发表在互联网上的书评,能够发现用户对图书的情感,挖掘其中的潜在信息,具有巨大的应用价值.而现有的文本情感分析中,以网络书评对象进行的研究很少。……

登录APP查看全文

猜你喜欢
文本情感分析
隐蔽失效适航要求符合性验证分析
如何在情感中自我成长,保持独立
失落的情感
北极光(2019年12期)2020-01-18 06:22:10
情感
在808DA上文本显示的改善
电力系统不平衡分析
电子制作(2018年18期)2018-11-14 01:48:24
基于doc2vec和TF-IDF的相似文本识别
电子制作(2018年18期)2018-11-14 01:48:06
如何在情感中自我成长,保持独立
电力系统及其自动化发展趋势分析
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻