文献类型：期刊文章

作　　者：王伟[1] 周咏梅[1,2] 阳爱民[1,2] 周剑峰[3] 林江豪[4]

Wang Wei Zhou Yongmei Yang Aimin Zhou Jianfeng Lin Jianghao(Cisco School of Informatics, Guangdong University of Foreign Studies, Guangzhou, 510006, China Laboratory for Language Engineering and Computing, Guangdong University of Foreign Studies, Guangzhou, 510006, China Library, Guangdong Uni- versity of Foreign Studies, Guangzhou, 510006, China Financial Department, Guangdong University of Foreign Studies, Guan- gzhou, 510420, China)

机构地区：[1]广东外语外贸大学思科信息学院,广州510006 [2]广东外语外贸大学语言工程与计算实验室,广州510006 [3]广东外语外贸大学图书馆,广州510006 [4]广东外语外贸大学财务处,广州510420

出　　处：《数据采集与处理》

基　　金：国家社会科学基金(12BYY045)资助项目;教育部"新世纪"优秀人才支持计划(NCET-12-0939)资助项目;广东省教育厅科技创新(2013KJCX0067)资助项目;广州市社会科学规划(15Q16)资助项目;广东外语外贸大学研究生科研创新(14GWCXXM-36)资助项目;广东外语外贸大学校级(14Q3)资助项目;广东省普通高校青年创新人才类(299-X5122106)资助项目

年　　份：2017

卷　　号：32

期　　号：3

起止页码：629-635

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对互联网出现的评论文本情感分析,引入潜在狄利克雷分布(Latent Dirichlet allocation,LDA)模型,提出一种分类方法。该分类方法结合情感词典,依据指定的情感单元搭配模式,提取情感信息,包括情感词和上、下文。使用主题模型发掘情感信息中的关键特征,并融入到情感向量空间中。最后利用机器学习分类算法,实现中文评论文本的情感分类。实验结果表明,提出的方法有效降低了特征向量的维度,并且在文本情感分类上有很好的效果。

关 键 词：评论文本  情感单元  潜在主题 情感分析 机器学习  

分 类 号：TP391]