基于文本分類技術的文本情感傾向性研究.pdf

1、文本情感傾向性研究在近些年成為眾多學者關注的熱點，其應用領域也在不斷的拓寬。從社會輿論監(jiān)督到產(chǎn)品口碑檢測都離不開文本情感傾向性研究。本文在傳統(tǒng)的文本分類技術基礎上提出一種基于規(guī)則與統(tǒng)計方法相結合的情感分析模型。并將該模型在兩種有代表性的語料中做了實驗。語料一：領域背景復雜且分布極不平衡的新聞文本語料；語料二：領域背景單一的股票領域的專家的股評語料。
　　 (1)分析新聞文本的情感傾向性，為新聞文本自動播報提供情感信息。本文提出一

2、種中心句確定方法，并在提取的中心句的基礎上運用統(tǒng)計方法提取潛在規(guī)則來對人工構建的規(guī)則庫做補充，使規(guī)則庫相對完備提高情感分析的效果。實驗中采用支持向量機、貝葉斯分類器和K近鄰分類器作為分類器與規(guī)則結合，并且使用多種特征提取方法和特征權重計算方法來進行對比實驗。由于新聞語料自身的分布的極不平衡性，導致單純的統(tǒng)計的方法在稀有類上的表現(xiàn)比較差，而規(guī)則與統(tǒng)計相結合的方法雖然沒有能夠完全解決這一難題，但卻在一定程度上改善了實驗效果。實驗效果表明規(guī)則

3、與統(tǒng)計方法相結合的情感分析模型相比于單純的統(tǒng)計模型在效果上有了較明顯的提高，表明規(guī)則結合統(tǒng)計的方法具有很好的普適性。
　　 (2)本研究是建立在股票領域的垂直搜索應用上的。該應用需要對股評專家對某支股票的評論做看多、看平、看空、不確定進行分類。在這部分實驗中因為所用語料短小、領域性非常強、口語化比較嚴重，通用的分詞軟件不能很好的進行分詞。本文提出一種簡便的定位特征詞的方法，不僅滿足了實驗需求且時間效率非常高，時間復雜度為0(n)