AABCSVM模型及其在商品评论情感分类中的应用.PDFVIP

第３４卷第９期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．９ ２０１７年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１７ ＡＡＢＣＳＶＭ模型及其在商品评论情感分类中的应用 王丹丹　祖　颖　朱　平 （江南大学理学院　江苏无锡２１４１２２） 摘　要　　为了提高商品评论情感分类准确率，解决传统ＳＶＭ分类时参数难以选择问题，在基本人工蜂群算法 基础上，提出一种改进人工蜂群算法ＡＡＢＣ（ＡｄｖａｎｃｅｄＡｒｔｉｆｉｃｉａｌＢｅｅＣｏｌｏｎｙ）来优化支持向量机（ＳＶＭ）参数。以最 小化商品评论分类错误率为优化目标，在人工蜂群算法的引领蜂阶段引入监督响应机制增强蜂群算法开发能 力，在跟随蜂阶段改进概率选择作用保证蜜源个体的差异性，提高算法收敛速度，避免算法陷入局部最优。不同 商品评论情感分类结果表明，相比于ＧＡＳＶＭ模型、ＰＳＯＳＶＭ模型和ＡＢＣＳＶＭ模型，所提出的ＡＡＢＣＳＶＭ模型 能够寻优到更好的ＳＶＭ参数组合，其分类准确率平均多提高了１％～３％，验证了所提模型的有效性。 关键词　　人工蜂群算法　支持向量机　商品评论　情感分类 中图分类号　ＴＰ１８　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０９．００７ ＡＤＶＡＮＣＥＤＡＲＴＩＦＩＣＩＡＬＢＥＥＣＯＬＯＮＹＡＬＧＯＲＩＴＨＭＦＯＲＳＶＭＯＰＴＩＭＩＺＡＴＩＯＮＡＮＤ ＩＴＳＡＰＰＬＩＣＡＴＩＯＮＯＮＳＥＮＴＩＭＥＮＴＣＬＡＳＳＩＦＩＣＡＴＩＯＮＯＦＰＲＯＤＵＣＴＲＥＶＩＥＷＳ  ＷａｎｇＤａｎｄａｎ　ＺｕＹｉｎｇ　ＺｈｕＰｉｎｇ （ＳｃｈｏｏｌｏｆＳｃｉｅｎｃｅ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｆｏｒｏｎｌｉｎｅｐｒｏｄｕｃｔｒｅｖｉｅｗｓａｎｄｓｏｌｖｅｔｈｅ ｐｒｏｂｌｅｍｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌＳＶＭｐａｒａｍｅｔｅｒｓａｒｅｄｉｆｆｉｃｕｌｔｔｏｃｈｏｏｓｅ，ｂａｓｅｄｏｎｔｈｅｓｔａｎｄａｒｄａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ， ａｎａｄｖａｎｃｅｄａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙ（ＡＡＢＣ）ａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｃａｎｆｕｒｔｈｅｒｏｐｔｉｍｉｚｅｔｈｅＳＶＭｐａｒａｍｅｔｅｒ．Ｔｈｉｓ ｍｏｄｅｌｐｕｔｓｔｈｅｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｈｅｔｅｘｔｓａｓｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｂｊｅｃｔｉｖｅ．Ｔｈｅｓｕｐｅｒｖｉｓｉｏｎａｎｄｒｅｓｐｏｎｓｅ ｍｅｃｈａｎｉｓｍｉｓａｄｏｐｔｅｄｔｏｅｎｈａｎｃｅｔｈｅｃａｐａｃｉｔｙｏｆｐｏｐｕｌａｔｉｏｎｅｘｐｌｏｉｔａｔｉｏｎ，ａｎｄｔｈｅｐｒｏｂａｂｉｌｉｓｔｉｃｓｅｌｅｃｔｉｏｎｉｓｅｎｈａｎｃｅｄｔｏ ｍａｉｎｔａｉｎｔｈｅｐｏｐｕｌａｔｉｏｎｄｉｖｅｒｓｉｔｙ，ｔｈｕｓｉｔｃａｎｅｆｆｅｃｔｉｖｅｌｙａｖｏｉｄｔｈｅａｌｇｏｒｉｔｈｍｆａｌｌｉｎｇｉｎｔｏｌｏｃａｌｏｐｔｉｍａｌ．Ｃｏｍｐａｒｅｄｔｏｔｈｅ ＧＡＳＶＭｍｏｄｅｌ，ＰＳＯＳＶＭｍｏｄｅｌａｎｄＡＢＣＳＶＭｍｏｄｅｌ，ｅｘｐｅｒｉｍｅｎｔｓｏｎｄｉｆｆｅｒｅｎｔｄａｔａｓｅｔｓ，ｔｈｅＡＡＢＣＳＶＭｍｏｄｅｌｃａｎ ａｃｈｉｅｖｅｂｅｔｔｅｒＳＶＭｐａｒａｍｅｔｅｒｓａｎｄｔｈｅａｖｅｒａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｉｎｃｒｅａｓｅｄｂｙ１％～３％，ｗｈｉｃｈｖｅｒｉｆｉｅｓｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌ． Ｋｅｙｗｏｒｄｓ　　Ａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ　Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）　Ｐｒｏｄｕｃｔｒｅｖｉｅｗｓ　Ｓｅｎｔｉｍｅｎｔｃｌａｓｓｉｆｉｃ