基于SVMCRF多特征组合微博情感分析优秀参考文档.pdfVIP

第32卷第4期 计 算 机 应 用 研 究 V0J．32No．4 2015年 4月 ApplicationResearchofComputem Apr．2015 基于 SVM和 CRF多特征组合的微博情感分析术 李婷婷 ，姬东鸿 (武汉大学计算机学院，武汉430000) 摘 要 ：近年来，文本的情感分析一直都是 自然语言处理领域所研究的热点问题 ；微博作为一种短文本 ，用词精 炼而简洁，富含观点、倾 向和态度。因此，识别微博的情感倾 向具有重要的现实意义。提出一种基于 SVM和 CRF的情感分析方法，使用多种文本特征，包括词、词性、情感词、否定词、程度副词和特殊符号等，并选用不同的 特征组合，通过多组实验使情感分析效果最优 。实验显示，选用词性、情感词和否定词的特征组合时，SVM模型 的正确率达到88．72％，选用情感词、否定词、程度副词和特殊符号的特征组合时，CRF模型的正确率达到 90．44％ 。 关键词：微博；情感分析；支持向量机；条件随机场 中图分类号 ：TP391．1 文献标志码 ：A 文章编号 ：1001—3695(2015)04—0978—04 doi：10．3969／j．issn．1001—3695．2015．04．004 Sentimentanalysisofmicro-blogbasedonSVM and CRFusingvariouscombinationsoffeatures LITing—ring，JIDong—hong (SchoolofCompeer，WuhanUniversity，Wuhan430000，China) Abstract：Inrecentyears，thetextsentimentanalysishasalwaysbeenahotissueinthefieldofnaturallanguageprocessing． Asash0ntext．micro—blogiSfeaturedofrefinedandconcise，richinviews，tendenciesandattitudes．Thas，theidentification ofemotionaltendencieshasimportantpracticalsignificance．ThispaperproposedamethodofsentimentanalysisbasedonSVM andCRF，usedvariousfeaturesincludingword，speech，emotionalword，negativeword，adverbofdegreeandspecialsym— bols．Theydesigneddifferentcombinationsoffeaturestomaketheeffectoptimalthroughmuhiplesetsofexperiments．Theac— curacyofSVM reached88．72％ usingthecombinationofspeech．sentimentword andnegativeword．whileCRF attained 90．44％ selectingthecombinationofsentimentWOrd．negativeword．adverbofdegreeandspecialsymbols． Keywords：micro—blog；sentimentanalysis；SVM ；CRF 应用到中文微博却存在一定的局限性。比如 ，虽然同样是 140 0 引言 字的限制，中文所蕴涵的信息比英文更丰富；中文和英文的语