基于监督学习的中文情感分类技术比较研究.pdfVIP

第 21卷 第 6期 2007年 11月 中文信息学报 JOURNAL OF CHINESE INFORMATION PR0CESSING Vo1．21，No．6 NOV．，2O07 文章编号：1003-0077(2007)06-0088-07 基于监督学习的中文情感分类技术比较研究 唐慧丰 。，谭松波 ，程学旗 (1．中国科学院 计算技术研究所 北京 100080； 2．解 放军外国语学 院 河南 洛阳 471003) 摘 要：情感分类是一项具有较大实用价值的分类技术，它可以在一定程度上解决网络评论信息杂乱的现象，方便 用户准确定位所需信息。目前针对中文情感分类的研究相对较少，其中各种有监督学习方法的分类效果以及文本 特征表示方法和特征选择机制等因素对分类性能的影响更是亟待研 究的问题。本文以 n-gram以及名词、动词、形 容词 、副词作为不同的文本表示特征 ，以互信 息、信息增益 、CHI统计量和文档频率作为 不 同的特征 选择 方法 ，以 中 心向量法 、KNN、Winnow、Naive Bayes和 SVM 作 为不 同的文本分类方法 ，在不 同的特征数量和 不同规模 的训练 集 情况下 ，分别进行 了中文情感分类 实验，并对实验 结果进行 了比较，对比结果表明 ：采用 BiGrams特征表示方法、信 息 增益特征选择方法和 SVM分类方法，在足够大训练集和选择适 当数量特征的情况下，情感分类能取得较好的效果。 关键词：计算机应用；中文信息处理；情感分类；文本分类；语言模型；中文信息处理 中图分类号 ：TP181 文献标识码 ：A Research on Sentiment Classification of Chinese Reviews Based on Supervised M achine Learning Techniques TANG H ui-feng ～，TAN Song—bo ，CHENG Xue—qi (1．Institute of Computing Technology，Chinese Academy of Sciences，Beijing 100080，China； 2．PLA University of Foreign Languages I uoyang，Luoyang，Henan 471003，China) Abstract：Sentiment classification is an applied technology with great significance．It can solve information disorder and help people locate the required reviews in the Internet．Up tO now，most research of sentiment classification is on English reviews，and little work has been done on Chinese reviews．To find an effective way for the task based on su— pervised machine learning method，and analyze the influence by term expression and term selection，this paper conducted some experiments under distinct environments，including different feature representation，different feature selection，differ— ent categorization technique，different size of features and different size of training data，over Chinese text collections．The experimental results show that sentiment classification will obtain high performance，when using bigrams representation，in— form ation gain and SVM classifier，enough training data and plenty of features． Keywords：computer application；Chinese information processing；senti