原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多策略中文微博细粒度情绪分析研究 南华大学 欧阳纯萍 2013年11月18日 南华大学 计算机科学与技术学院 任务概述 技术要点 实验结果 总结 评测任务 微博情绪识别与分类（Close测试）： 对于输入的整条微博，本任务要求判断出该微博是否包含情绪。 对包含情绪的微博，要求判别其情绪分类输出为anger 愤怒、disgust 厌恶、fear 恐惧、happiness 高兴、like 喜好、sadness 悲伤、surprise 惊讶中的一种，即单分类输出。 任务概述 技术要点 实验结果 总结 技术要点 技术要点一 朴素贝叶斯分类的特征词选择 ?i=0，判断某词在有情绪微博中的表征作用。 ?i=1，判断某词在无情绪微博中的表征作用。 ?对有无情绪微博中的词性特征进行分析，筛选出表征能力强的词性特征。 最终，经试验取k=4，n=20，得到了796个特征词和19种词性，组成了815个特征集合。 技术要点二 面向细粒度情绪的微博向量化 ?α=0.9，β=0.1， w表示属于第m维情感类的总词数，intension表示情感强度，polarity表示情感极性。 ?对卡方检验的特征词进行情感强度和极性人工标注。（参考大连理工本体库） ?根据计算得到的特征词权重值，对分词后的微博进行向量化。 任务概述 技术要点 实验结果 总结 实验结果 情绪判别实验结果 Precision Recall F-measure NB+SVM 0.6626 0.8012 0.7254 NB+KNN 0.6676 0.7982 0.7271 MAX 0.7494 0.9517 0.7271 情绪分类宏平均实验结果 Macro Precision Macro Recall Macro F-measure NB+SVM 0.2109 0.1996 0.2051 NB+KNN 0.2704 0.3064 0.2873 MAX 0.2844 0.3064 0.2873 实验结果 情绪分类微平均实验结果 Micro Precision Micro Recall Micro F-measure NB+SVM 0.2539 0.3070 0.2779 NB+KNN 0.3133 0.3746 0.3412 MAX 0.3834 0.3976 0.3412 任务概述 技术要点 实验结果 总结 总结 分阶段进行微博情绪分析的方案比较理想。 无论是情绪分类还是情绪判别，特征词的选择，微博的特征化都是非常重要的环节。 本次实验并未对分类算法进行改进，将是下一步工作的重点。 谢 谢！ 南华大学 计算机科学与技术学院
文档评论（0）