基于LDA和AdaBoost多特征组合的微博情感分析

摘要：

[目的]结合基于LDA主题识别模型和AdaBoost方法以提高微博文本情感分类准确度.[方法]利用LDA提取微博文本主题分布特征,融合情感特征和句式特征,采用AdaBoost集成分类方法针对上述特征变量训练情感分类模型.[结果]研究结果表明,主题特征对情感识别有显著正向作用,基于主题特征和情感特征的模型分类效果最好.借助AdaBoost分类器使得最终情感分类准确率达到84.512％,召回率达到83.160％.[局限]样本数量有限;情感词典还不够完善;同时忽略了微博文本中的表情符号等特征.[结论]本文提出的结合主题分布特征的AdaBoost模型能够有效地判别用户情感倾向.

关键词：微博、情感分析、LDA、AdaBoost

所属期刊栏目：2

分类号：TP391.1(计算技术、计算机技术)

资助基金：教育部人文社会科学重点研究基地重大项目“大数据资源的智能化管理与跨部门交互研究——面向公共安全领域”项目16JJD870003的研究成果之一

在线出版日期：2018-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：51-59