基于优化的语义理解与SVM相结合的文本情感分类研究

摘要

近年来信息资源随着IT行业的兴盛和互联网技术的发展在不断地增长,人工甄别网上信息的褒贬并加以统计是不现实的,只有采用计算机技术自动地对网络信息进行采集,并对相关信息进行情感分类,才能够建立起全面、有效、快速的网络舆情监控预警机制。为此本文对文本情感分类进行以下几个方面的研究:
　　第一,提出了一种优化的语义理解方法,利用微调的知网语义相似度计算方法确定情感词典中情感词的权重,然后根据情感表达词语搭配模式抽取情感句,最后依据多词典融合技术来判断文本的情感倾向。
　　第二,将传统的信息增益与词频、词语情感程度相结合,对高维的文本特征进行合理的选取,提高了分类准确率和分类速度。
　　第三,将优化的语义理解与SVM相结合构建一个全新的文本情感分类器,充分发挥两种方法的优势。首先使用优化的语义理解方法标注高类别隶属信任度的样本,之后采用这些标注的样本进行机器学习,不仅在一定程度上避免了样本选取的随机性,而且提高了模型的可移植性。
　　第四,研究并设计了基于本文方法的文本情感倾向分类模型,实验结果表明,基于优化的语义理解与SVM相结合的文本情感分类方法是可行的。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 选题背景与研究意义

1.2 国内外研究现状

1.3 本文的研究工作

1.4 本文组织结构

第2章 文本情感分类相关理论和技术

2.1 文本情感分类流程

2.2 知网

2.3 文本预处理

2.4 支持向量机

2.5 分类评估标准

2.6 本章小结

第3章 优化的语义理解文本情感分类方法研究

3.1 优化的语义理解文本情感分类流程

3.2 多词典融合模块的构建

3.3 情感计算模块的构建

3.4 实验分析

3.5 本章小结

第4章 SVM文本情感分类方法研究

4.1 SVM文本情感分类流程

4.2 改进的信息增益特征选择方法

4.3 文本表示

4.4 实验分析

4.5 两种情感分类方法的对比与总结

4.6 本章小结

第5章 优化的语义理解和SVM相结合的文本情感分类方法研究与设计

5.1开发环境介绍

5.2 模型设计

5.3 实验分析

5.4 本章小结

第6章 总结与展望

6.1 全文总结

6.2 展望

致谢

参考文献