一种针对类别分布不平衡的舆论倾向性识别的分类方法

摘要

本发明公开了一种针对训练样本类别分布不平衡的舆论倾向性识别方法。首先搜集与所关注舆论领域相关的词汇作为舆论热词创建词库；从舆论信源中爬取评论数据集，将其分为训练集和测试集。接着对训练集的舆论倾向性人工分类，针对类别不平衡的问题，采用自举式学习方法补齐处理。提取每一类训练样本特征，采用朴素贝叶斯、支持向量机、决策树等算法训练算法模型，用训练的模型对测试集数据分类，根据分类结果识别舆论倾向。自举式学习、特征向量构造和分类模型训练的方法均采用时间敏感的加权方法加权，使其反映的舆论倾向更具时效性。本发明解决了因训练数据失衡导致的分类不准确问题，提升了舆论倾向性识别的准确度和舆情分析的时效性。