|本期目录/Table of Contents|

[1]王正成,李丹丹.基于词向量和情感本体的短文本情感分类[J].浙江理工大学学报,2018,39-40(社科1):33-38.
　WANG Zhengcheng,LI Dandan.Short text sentiment classification: Based on the word vector and emotional ontology[J].Journal of Zhejiang Sci-Tech University,2018,39-40(社科1):33-38.
点击复制

基于词向量和情感本体的短文本情感分类()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第39-40卷
期数:
2018年社科1期
页码:
33-38
栏目:
出版日期:
2018-01-30

文章信息/Info

Title:
Short text sentiment classification: Based on the word vector and emotional ontology
文章编号:
1673-3851 (2018) 02-0033-06
作者:
王正成; 李丹丹
浙江理工大学经济管理学院，杭州 310018
Author(s):
WANG Zhengcheng;  LI Dandan
School of Economics and Management, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
短文本情感分类; 词向量; 情感本体
分类号:
G350
文献标志码:
A
摘要:
目前短文本情感分类主要采取统计自然语言处理、情感语义特性两种方式，而将这两种方式相结合进行情感分类的研究较少，故提出将这两种方式进行结合，设计基于词向量与情感本体相融合的短文本情感分类方法。首先利用Word2Vec模型训练词向量，以相加平均法合成短文本向量；在此基础上结合基于情感本体所得出的每条短文本的情感值，构建词向量与情感本体相融合的短文本表示模型；最后采用K最近邻分类算法完成短文本情感分类。相比传统的基于词向量、基于情感本体或其他单一技术路线的分类方法，词向量与情感本体相融合的分类方法在准确率、召回率、F-1值均有明显的提升。

参考文献/References:

［1］ 夏火松，刘建，朱慧毅.中文情感分类挖掘预处理关键技术比较研究［J］.情报杂志，2011，30（9）:160-163．
［2］ Yu N. Exploring cotraining strategies for opinion detection［J］. Journal of the Association for Information Science&Technology，2014，65（10）:2098-2110．
［3］ 唐晓波，朱娟，杨丰华.基于情感本体和KNN算法的在线评论情感分类研究［J］.情报理论与实践，2016，39（6）:110-114．
［4］ Pang B， Lee L. Seeing stars: exploiting class relationships  for sentiment categorization with respect to rating scales［C］//43rd Annual Meeting of the Association for Computational  Linguistics. Michigan: The Association for Computational Linguistics，2005．
［5］ Isidoros P， Ioannis H. Recognizing emotions in text  using ensemble of classifiers［J］. Engineering Applications of Artificial Intelligence，2016，51（C）:191-201．
［6］ 杨锋，彭勤科，徐涛.基于随机网络的在线评论情绪倾向性分类［J］.自动化学报，2010，36（6）:837-844．
［7］ 杨小平，马奇凤，余力，等.评论簇在网络舆论中的情感倾向代表性研究［J］.现代图书情报技术，2016，32（z1）:51-59．
［8］ Philipp M. Support vector machines in automated emotion  classification［D］. Cambridge: Churchill College，2003．
［9］ Gamon M. Sentiment classification on customer feedback  data: noisy data， large feature vectors， and the role of linguistic analysis［C］//20th International Conference on  Computational Linguistics. Geneva: International Committee  on Computational Linguistics，2004．
［10］ Tong R M. An operational system for detecting and tracking opinions in online discussion［C］//the 24th Annual International ACM SIGIR Conference. New Orleans: ACM，2001．

备注/Memo

备注/Memo:
收稿日期： 2017-09-11
网络出版日期： 2018-01-11
基金项目： 国家自然科学基金项目（71271192）
作者简介： 王正成（1974-），男，浙江武义人，教授，博士，主要从事先进制造模式与技术、企业信息化方面的研究
更新日期/Last Update: 2018-03-14