基于特征情感色彩的文档流派分类研究.pdfVIP

基于特征情感色彩的文档流派分类研究 熊云波李荣陆胡运发 复旦大学计算机与信息技术系200433 63．com． e_mail：．WINBOWL@1 摘要：流派分类在信息检索、信息过滤、反动信息的拦截和网上舆情调查等方面发挥了越来越重要的 作用。本文介绍一种根据特征词的情感色彩来实现文档流派自动分类的方法，并实现了一个信息内容安全 原型系统。 关键词：流派、情感特征、文档流派分类 rextGenreClassificationonSentimentof Based Features XiongYun—bo，Lirong-lu，Huyun—fa of Informationand (DepartmentComputing Technology,FudanUniversity,Shanghai，China200433) 63．eom． e-mail：，WINBOWL@1 Abstract：Textclassificationhasbecomemoreandmore ininformationretrieval， genre important information ofreactive and information frominternet．In filtering，counterchecking investigationofpublicfeelings this an isthusmadeto text classificationtothesentimentoffeatures． paperattempt implementgenre according Anda ofinformationcontent hasbeen prototype securitysystem developed． GenreClassification KeyWords：Genre，SentimentofFeatures，Text 1．引言 文档流派描述的是文档的风格，而不是文档的内容。一个流派类就是一些语言和文字风 格相似的文档集。文档的流派和文档的主题是正交的，相同主题的文档可以有不同的流派， 相同流派的文档可以描述的是不同的主题。 流派是一个非常抽象和模糊的概念，不同流派类别之间没有明显的界限，流派的划分也 具有非常大的主观性。因此，文档流派类别的划分往往和应用相关，从不同的角度出发，可 以将文档分为不同的流派类别：客观性和主观性、正面和反面、健康信息和不良信患等。文 献[1]和文献[2]对文档的客观性和主观性分类进行了研究。正面和反面是对主观性文档的 一种分类，如果文档中表达一种赞许的态度，则文档是正面的；如果表达的是一种批评、反 对的态度，则文档是反面的。文献[3]、[4]、[5]、[6]、[7]对文档的观点是正面还是反面 进行了讨论。不良信息是指那些反动、色情或用户反感的信息。文献[8]、[9]使用语义模式 作为文档的特征，识别文档描述的是否为法轮功反动信息。 如今，面对互联网上海量的复杂的各类文本信息，根据文档的风格(啦le)或流派(genre) 查找一些和我们应用相关的信息，过滤一些不相关的信息，或者拦截那些网络上反动、色情 和令人反感的信息，已经成为个人、企业和政府有关部门的必需。如果能够对文档流派信息 进行自动分析，我们就可以获得更多文档的附属信息，这对信息检索、信息过滤、反动信息 的拦截和网上舆情调查等方面都非常有用。 本文主要考虑“正面的和反面的”或者“健康