细粒度微博情绪识别的集成算法研究

摘要：

目前大部分微博情绪分析研究集中在粗粒度情绪的划分,但细粒度微博情绪更能反映公众对舆论热点、政策的反应.因此提出了一种结合朴素贝叶斯和K最近邻的集成算法,着重对新浪微博展开了情绪识别与分析的研究.首先采用朴素贝叶斯分类算法将微博分为有无情绪两类.然后根据情绪本体库的分类规则,分别构建待预测微博和已标注微博的21维情绪向量.最后采用K最近邻算法,计算待预测情绪微博与已标注情绪微博的向量相似度,从而获取待预测微博的细粒度情绪.实验表明K最近邻算法的引入,在微博细粒度情绪识别的准确率上取得了较好的效果.

关键词：情绪分析、细粒度、朴素贝叶斯、K最近邻、微博

所属期刊栏目：5

分类号：TP391(计算技术、计算机技术)

在线出版日期：2015-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：32-35