摘要:比较研究了中文情感分类挖掘预处理技术的不同组合对分类效果的影响.预处理中关键技术为文本分词、特征选择和权重计算.考察了文档频率DF、信息增益IG、互信息MI、X2分布CHI、文本证据权(Weight of Evi-dence for Text,WET)5种不同的特征选取方法和布尔权重、词频型特征权重TF、TF-IDF函数3种常用的权重计算方法的15种不同组合.采用支持向量机(SVM)分类器以考察特征选择方法和权重计算方法不同的组合的对情感分类的效果.实验结果表明IG和TF-IDF的组合最为有效,WET和TF的组合效果最差,并给出了效果差异的原因.
摘要:UGC( User Generated Content)是公众对现实社会中的各种现象、问题所表达出的一种态度和意见,意见领袖对UGc的走向起到推动作用.为了发现UGC中的意见领袖,从影响力、支持力等方面刻画意见领袖,构造话题参与者的属性矩阵,通过加权平均得到各用户的综合评价,最后找到话题的意见领袖.通过实际的例子解释了算法的基本步骤和计算方法.该方法对意见领袖的发现和判定舆论的走向具有一定的理论指导意义和实际价值.