融合直推式学习和语义理解的词语倾向性识别

摘要：

目前词语情感倾向性识别研究主要分为机器学习和语义理解，机器学习不能很好地识别通用领域词语，语义理解又存在准确率和召回率不够高的问题，因此文中提出了一种融合直推式学习和语义理解的词语倾向性识别方法。首先对HowNet 知识库体系进行改进，在已有的四种义原的基础上，提出第五义原—情感义原；然后将第五义原手工融入到 How-Net 知识库中，再在此基础上提出词语情感相似度计算方法计算词语的情感值；最后将该方法融合直推式学习以判定词语情感倾向性。通过实验结果表明，与支持向量机和原语义理解方法相比，该方法在识别情感词上取得了较好的效果。

关键词：词语倾向性识别、机器学习、语义理解、意见挖掘、情感义原、HowNet

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61373108;湖北省教育厅科研项目Q20112809,B20082803;湖北省教育厅人文社会科学研究项目13g389

在线出版日期：2016-04-11（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：74-77