文本情感分挝腳百度文库

龙源期刊网 文本情感分握撸毫赵景秀 杨红亚 徐冠华 来源：《软件导刊》2018 年第 06 期 摘 要：近年来，随着互联网和社交网络的演进，网络上文本信息很快袁对文本情感 进行分为研究热点。根据文本情感分唯的不同，总结了近年来文本情感分涡究进 展。将文本情感分为基于词典的方式跟基于机瓢的技巧两春基于词典的文本情感 分唯分为人工打造和自动建立两种；基于机瓢的文本情感分唯分为基于贝叶斯算 法、基于最淬法和基于 SVM 的文本情感分沃帧Ｍü崂砉谕庋芯肯肿矗粤嚼嗲 感分唯进行了深入分卧文本情感分涡了小结和展望。 关键词：文本情感分问典构建；机瓢；贝叶斯算法；最淬法；SVM DOI：10.11907/rjdk.172640 中图分类号：TP3-0 文献标识码：A 文章编号：1672-7800（2018）006-0001-04 Abstract：In recent years， with the development of the internet and social networks， text information on the Internet has been increased rapidly， and sentiment analysis has become a research hotspot. According to the different methods of sentiment analysis， the research progress of sentiment analysis in recent years is summarized.Sentiment analysis is divided into dictionary-based methods and machine learning-based methods. The dictionary-based sentiment analysis methods are divided into two kinds： artificial construction and automatic construction. Machine learning-based sentiment analysis methods are divided into three kinds based on Bayesian algorithm， based on maximum entropy algorithm and sentiment analysis based on SVM. Through the research status at home and abroad， two kinds of sentiment analysis methods are deeply analyzed， and the sentiment analysis is summarized and forecasted. Key Words：sentiment analysis； dictionary construction； machine learning； Bayesian algorithm； maximum entropy algorithm； SVM 0 引言 近年来，随着互联网和移动互联网的快速演进，文本情感分苇广泛应用于多咐纾谋厩楦蟹治谠鄱詈透纳乒居呗裕ㄍü倏突缆酆偷蠢。

识倍形态转变和分挝战略规划乾嗓测全球股票行业动态是有价值的。 龙源期刊网 文本情感分危利用额外文本资源（例如词表、基于情惺典、复杂的词典和术语本 体），采用自然语言处理（NLP）过程（例如特铡、词性标记等）分巍的文档[1]。文 本情感分矽本是识钡中重要的文本特帐语强度、词性和词频率、意见/情型 短语，以及吠允等）。接下来进行情感识丙用文本信息的极性（正面、负面恍郧楦校┍碚疚牡怠Ｈ缭谖藜喽角榭Ｊ褂没诖实涞姆椒ǎ么驶阕试唇 分数分配给单冈检测文档的整体情许一方面，受监督的情浚瓢方法， 其中情感测试任锡采用例如支持销（Support Vector Machine，SVM）算法对情感进行 分类。本文对近几年来文本情感分涡究成果进行了分闻括、总结和展望。 1 文本情感分伍 近年来对于文本情感分涡究有很多，文献[2]中将文本情感分为三创文 本情感特铡、文本情感特锗以及文本情感特臻纳。 针对基于词典的方式文本情感分析，文献[3]将情感词典的建立分为 4 种方式，即平规渊、基于 图的方式、基于词对齐模型的方式跟基于表示学习的方式。 对基于机瓢的情感分唯，蛛对分类方式在情感分文应用进行研究，即对 诸如朴素贝叶斯、最赐 SVM 分类菩研究。

文献[4]对上手只胺椒ń辛耸 验。 2 文本情感分梧 本文将文本情感分为分为基于词典的技戍于机瓢的技剩其中， 基于词典的技戍据人工参与程度不同，可分为人工建立情感词典和自动创建情感词典两 类；基于机瓢的技戍据情感分类方式不同文本情感分析，可分为基于朴素贝叶斯的方式、基于更吹姆椒ê突 SVM 的方式 3 类。 2.1 基于词典的技矢写实涫俏谋厩楦蟹治＠霉菇ǖ奈谋厩楦写实洌⒍郧楦写实浣屑院颓 度标注，进而进行文本情感分类，能够有效地对文本进行情感分矽于词典的文本情感分 喂建情感词典是关键。本文根据人工在情感词典构建过程中的参与程度不同，分为人工

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-136390-1.html