| 使用机器学习对汉语评论进行情感分类 |
| |
| 引用本文： | 白鸽,左万利,赵乾坤,曲仁镜.使用机器学习对汉语评论进行情感分类[J].吉林大学学报(理学版),2009,47(6):1260-1263. |
| |
| 作者姓名： | 白鸽 左万利 赵乾坤 曲仁镜 |
| |
| 作者单位： | 1. 吉林大学 计算机科学与技术学院, 长春 130012,2. 中国网络通信有限公司 长春分公司, 长春 ,130022 |
| |
| 基金项目： | 国家自然科学基金，教育部高等学校博士学科点专项科研基金，吉林省科技发展计划项目基金，吉林大学基本科研业务费交叉学科与创新项目基金 |
| |
| 摘 要： | 针对汉语评论的多种特征使用机器学习方法（如贝叶斯、 最大熵和支持向量机）, 解决了汉语评论的情感分类问题. 实验结果表明, 机器学习方法对汉语评论的分类效果较好, 支持向量机的表现最好. 句子级别和评论级别的准确率分别达到88.26%和91.79%.
|
| 关 键 词： | 情感分类 贝叶斯分类器 最大熵 支持向量机 |
| 收稿时间： | 2008-12-15 |
Sentiment Classification for Chinese Reviews with Machine Learning |
| |
| BAI Ge,ZUO Wan-li,ZHAO Qian-kun,QU Ren-jing.Sentiment Classification for Chinese Reviews with Machine Learning[J].Journal of Jilin University: Sci Ed,2009,47(6):1260-1263. |
| |
| Authors: | BAI Ge ZUO Wan-li ZHAO Qian-kun QU Ren-jing |
| |
| Institution: | 1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;2. Changchun Filiale, China Netcom Corp, Changchun 130022, China |
| |
| Abstract: | We solved the Chinese review sentiment classification problem via describing and evaluating several machine learning approaches ( Na(I)ve Bayes, maximum entropy and support vector machines) on some features of the Chinese reviews. The experiment shows the three machine learning methods perform well especially support vector machines, and the accuracy of sentence level is up to 88.26% , the accuracy of review level is up to 91.79%. |
| |
| Keywords: | sentiment classification Na(I)ve Bayes maximum entropy support vector machines |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|
