一种基于语义距离的web评论svm情感分类方法【精选】.pdfVIP

第 41卷 第 9期 计 算 机 科 学 Vo1．41No．9 2014年 9月 Computer Science Sep2014 一 种基于语义距离的Web评论 SVM 情感分类方法 肖 正 刘 辉 李 兵 (湖南大学信息科学与工程学院 长沙410012) 摘 要 情感倾向分析本质上可以看作是一个情感极性分类问题。在海量数据处理的大背景下，为了提高文本情感 判断的准确率，提出了一种结合潜在语义分析LSA(LatentSemanticAnalysis)和支持向量机SVM(SupportedVector Machine)的文本褒贬情感倾向分类方法。从语义的角度利用潜在语义分析方法建立 “词一文档”的语义距离向量空间 模型，然后使用具有 良好分类精度和泛化能力的支持向量机进行情感分类。实验结果表明，该方法在句子简短、情感 倾向比较明显的Web评论中的准确率较传统的SVM方法有了一定的提高，在测试集上的分类准确率接近88 。 关键词 文本处理，语义距离，情感极性分类，潜在语义分析 中图法分类号 TP391 文献标识码 A DOI 10．n896／j．issn．1002-137X 2014．09．047 SVM SentimentClassifierBasedonSemanticDistanceforW ebComments XIAO Zheng LIU Hui LIBing (DepartmentofInformationScienceandEngineening，HunanUniversity，Changsha410012，China) Abstract Theanalysisofsentimentalorientationcanberegardedasaproblem ofclassificationonemotionalpolarity． Underthebackgroundofthemassdataprocessing，weproposedaclassificationapproachintermsofsentimentalorien— rationoftextsbasedonLSA(LatentSemanticAnalysis)andSVM (SupportedVectorM achine)，inordertoimprovethe accuracyofthetextemotionaljudgment．Ontheconceptofsemantics，weestablishedaspacemodelof”word-document” semanticdistancevectorsbythelatentsemanticanalysis，andthenonaccountoftheprivilegesofaccuracyandgenerali— zationofsupportvectormachine，designedaSVM classifierwithsemanticdistanceastheinputfeaturevectors．Experi— mentalresultsvalidatethatourmethodeffectivelyimprovestheclassificationaccuracycomparedwith thetraditional SVM method．Theclassificationaccuracyraterisestonear88 onthetestsetofW ebcommentswithshortsentences andexplicitsentimentalorientation． Keywords Textprocessing，Semanticdistance，Sentimentalorientationclassification，Latentsemanticanalysis