基于情感特征向量空间模型的中文商品评论倾向-计算机应用与软件.PDF

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于情感特征向量空间模型的中文商品评论倾向分类算法 董 祥 和 （天津职业技术师范大学经济与管理学院　天津３００２２２） 摘　要　　为了能够快速有效地将中文商品评论识别为好评或差评，提出一种算法。针对不同类别的商品，预先根据其评论语料构 建领域情感词典，评论文本与情感词典集匹配提取情感特征，构建情感特征向量空间模型ＳＦＶＳＭ（ＳｅｎｔｉｍｅｎｔＦｅａｔｕｒｅＶｅｃｔｏｒＳｐａｃｅ Ｍｏｄｅｌ），解决传统的特征向量空间模型维数较高及特征选择误差问题。然后基于该模型结合改进的多项式朴素贝叶斯方法对评论 进行情感倾向分类。实验结果表明，相比分别基于原始特征和基于 ２特征选取的朴素贝叶斯分类算法，该算法分类精度较高且分 χ 类速度快。 关键词　　中文商品评论　情感倾向　情感词典　情感特征向量空间模型　朴素贝叶斯分类 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０７１ ＣＬＡＳＳＩＦＩＣＡＴＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＣＨＩＮＥＳＥＰＲＯＤＵＣＴＲＥＶＩＥＷＳＴＥＮＤＥＮＣＹＢＡＳＥＤ ＯＮＳＥＮＴＩＭＥＮＴＦＥＡＴＵＲＥＳＶＥＣＴＯＲＳＰＡＣＥＭＯＤＥＬ ＤｏｎｇＸｉａｎｇｈｅ （ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙａｎｄＥｄｕｃａｔｉｏｎ，Ｔｉａｎｊｉｎ３００２２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＴｏｃｌａｓｓｉｆｙｔｈｅＣｈｉｎｅｓｅｐｒｏｄｕｃｔｒｅｖｉｅｗｓａｓｐｏｓｉｔｉｖｅｏｒｎｅｇａｔｉｖｅｑｕｉｃｋｌｙａｎｄｅｆｆｉｃｉｅｎｔｌｙ，ｗｅｐｒｏｐｏｓｅａｎａｌｇｏｒｉｔｈｍ．Ｉｔｂｕｉｌｄｓｔｈｅ ｄｏｍａｉｎｓｅｎｔｉｍｅｎｔｌｅｘｉｃｏｎｉｎａｄｖａｎｃｅａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｖｉｅｗｃｏｒｐｕｓｉｎｒｅｇａｒｄｔｏｔｈｅｐｒｏｄｕｃｔｓｏｆｄｉｆｆｅｒｅｎｔｃａｔｅｇｏｒｉｅｓ，ａｎｄｅｘｔｒａｃｔｓｔｈｅｓｅｎｔｉｍｅｎｔ ｆｅａｔｕｒｅｓｂｙｍａｔｃｈｉｎｇｔｈｅｒｅｖｉｅｗｓｔｅｘｔｗｉｔｈｓｅｎｔｉｍｅｎｔｌｅｘｉｃｏｎｓｅｔ．Ｔｈｅｎｉｔｂｕｉｌｄｓｔｈｅｓｅｎｔｉｍｅｎｔｆｅａｔｕｒｅｖｅｃｔｏｒｓｐａｃｅｍｏｄｅｌ（ＳＦＶＳＭ）ｔｏｓｏｌｖｅ ｔｈｅｐｒｏｂｌｅｍｓｏｆｔｒａｄｉｔｉｏｎａｌｖｅｃｔｏｒｓｐａｃｅｍｏｄｅｌｉｎｈｉｇｈｅｒｄｉｍｅｎｓｉｏｎａｌｉｔｙａｎｄｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｅｒｒｏｒ．Ａｆｔｅｒｗａｒｄｓ，ｂａｓｅｄｏｎＳＦＶＳＭａｎｄｉｎ ｃｏｍｂｉｎａｔｉｏｎｗｉｔｈｔｈｅｉｍｐｒｏｖｅｄｍｕｌｔｉｎｏｍｉａｌｎａｉｖｅＢａｙｅｓｍｅｔｈｏｄ，ｉｔｃｌａｓｓｉｆｉｅｓｔｈｅｓｅｎｔｉｍｅｎｔｔｅｎｄｅｎｃｙｏｆｒｅｖｉｅｗｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｓｐｅｅｄｔｈａｎｔｈｅｎａｉｖｅＢａｙｅｓａｌｇｏｒｉｔｈｍｓｂａｓｅｄｏｎｐｒｉｍｉｔｉｖｅｖｅｃｔｏｒ ｓｐａｃｅｍｏｄｅｌｏｒ２ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｙ． χ Ｋｅｙｗｏｒｄｓ　　Ｃｈｉｎｅｓｅｐｒｏｄｕｃｔｒｅｖｉｅｗｓ　Ｓｅｎｔｉｍｅｎｔｔｅｎｄｅｎｃｙ　Ｓｅｎｔｉｍｅｎｔｌｅｘｉｃｏｎ　Ｓｅｎｔｉｍｅｎｔｆｅａｔｕｒｅｖｅｃｔｏｒｓｐａｃｅｍｏｄｅｌ　Ｎａｉｖｅ Ｂａｙｅｓｃｌａｓｓｉｆｉｃａｔｉｏｎ 时间，而且由于分类效果依赖于训练文本和测试文本之间的相 ０