基于情感模型的文本意见分类方法

摘要：

基于向量空间模型、潜在语义分析等传统文本意见分类模型将文本映射到词汇或语义空间中，侧重于词汇的辨别能力，无法对映像空间给出明确的语义说明，导致其扩展性、准确率等方面的性能受到限制。为此，在人类情感分类理论的基础上，假设文本中的意见表达与人们的情感存在较强的关联，结合词汇语义扩展、特征选择等方法构造3种情感表示模型，把表达人类情感倾向的文本转换到情感空间中，利用情感模型对国外股票论坛信息提取情感特征，构建情感模型，并设计文本意见分类方法。针对实际股票论坛的数据进行实验，结果表明，该分类方法能获得较高的分类准确率。

关键词：Ekman模型、意见分类、特征选择、情感模型、机器学习

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61073170;教育部人文社会科学研究规划基金资助项目13YJAZH019。

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：175-179