基于机器学习的中文评论倾向性分类实证研究

摘要

文章对长度短、变形词多的中文评论的倾向性分类问题做了深入研究,分析了目前比较流行的几种算法,其中特征选取方法选取了卡方统计量(CHI)、信息增益(IG)、互信息(MI);分类算法选取了K最邻近节点(KNN)方法、支持向量机(SVM)方法、朴素贝叶斯(Naive Bayes)方法.通过两两组合进行实验,最终的实验结果表明,特征选取方法采用IG,分类算法采用Naive Bayes效果较为理想.