扩展语义相似情感词的文本情感分类方法

作者：罗森林; 毛焱颖^*; 潘丽敏; 陈倩柔; 魏超

来源：北京理工大学学报, 2018, 38(11): 1156-1176.

DOI：10.15918/j.tbit1001-0645.2018.11.009

• 词嵌入
• Adaboost分类模型
• 特征选择
• 中文评论
• 情感分类

针对文本情感分类中情感语义特征利用不足、特征降维效果欠佳等影响分类效果的问题,提出了一种通过扩展语义相似的情感词以及引入词语间统计特征的高精度网络评论情感分类方法.该方法利用神经网络Skipgram模型生成词嵌入,通过词嵌入相似性度量将语义相似的词语扩展为情感特征;再利用词语间的统计特征进行特征降维;通过多个弱分器加权构建Adaboost分类模型实现网络评论情感分类.基于酒店评论和手机评论公开测试集进行实验,结果表明其情感分类的正确率分别达到90.96%和93.67%.方法扩展语义相似情感词有利于丰富文本情感语义特征,引入词语间的统计特征有更好的特征降维效果,可以进一步提升文本情感分类的效果.

• 单位
  北京理工大学