基于证据理论的多分类器中文微博观点句识别.PDFVIP

第40 卷 第4 期 计 算 机 工 程 2014 年4 月 Computer Engineering April 2014 Vol.40 No.4 文献标识码文献标识码：：A TP18 文献标识码文献标识码：： 中图分类号中图分类号：： 文章编号文章编号：：1000--3428(2014)04--0159--05 中图分类号中图分类号：： ·人工智能及识别技术·人工智能及识别技术·· 文章编号文章编号：： -- -- -- ··人工智能及识别技术人工智能及识别技术·· 基于证据理论的多分类器中文微博观点句识别基于证据理论的多分类器中文微博观点句识别 基于证据理论的多分类器中文微博观点句识别基于证据理论的多分类器中文微博观点句识别 郭云龙郭云龙，潘玉斌，潘玉斌，张泽宇，张泽宇，李，李 莉莉 郭云龙郭云龙，，潘玉斌潘玉斌，，张泽宇张泽宇，，李李 莉莉 (西南大学计算机与信息科学学院，重庆 400715) 摘摘 要：要：随着新技术及社会网络的发展与普及，微博用户数据量剧增，与此相关的研究引起了学术界和工业界的关注。针对中文 摘摘 要要：： 微博语句特点，通过对比多种特征选取方法，提出一种新的特征统计方法。根据构建的词语字典与词性字典，分析支持向量机、 朴素贝叶斯、K 最近邻等分类模型，并利用证据理论结合多分类器对中文微博观点句进行识别。采用中国计算机学会自然语言处 理与中文计算会议(NLPCC 2012)提供的数据，运用该方法得到的准确率、召回率和F 值分别为70.6%、89.2%、78.9%，而NLPCC 2012 公布的评测结果相应平均值分别为72.7%、61.5%、64.7%，该方法在召回率和F 值2 个指标上超过其平均值，而F 值比NLPCC 2012 评测结果的最好值高出0.5%。 关键词关键词：微博： ；观点句；支持向量机；朴素贝叶斯；K 近邻