分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-11-08 合作期刊: 《数据分析与知识发现》
摘要: 【目的】为更精确地识别网民态度, 监测网络舆情, 提出一种基于SVM 多特征融合的情感5 级分类方法。【方法】从词性特征、情感特征、句式特征、语义特征4 个方面, 提取动词、名词、情感词、否定词等14 个特征, 运用SVM 方法对微博情感进行5 级分类。【结果】实验结果表明, 该方法对情感5 级分类的准确率为82.40%,召回率为81.91%, F 值为82.10%。【局限】训练语料的规模有待进一步提高。【结论】该方法在情感5 级分类方面取得较好的效果。
分类: 图书馆学、情报学 >> 情报学 提交时间: 2017-11-08 合作期刊: 《数据分析与知识发现》
摘要: 【目的】为更精确地识别网民态度, 监测网络舆情, 提出一种基于SVM 多特征融合的情感5 级分类方法。【方法】从词性特征、情感特征、句式特征、语义特征4 个方面, 提取动词、名词、情感词、否定词等14 个特征, 运用SVM 方法对微博情感进行5 级分类。【结果】实验结果表明, 该方法对情感5 级分类的准确率为82.40%,召回率为81.91%, F 值为82.10%。【局限】训练语料的规模有待进一步提高。【结论】该方法在情感5 级分类方面取得较好的效果。