10.3969/j.issn.1671-1122.2013.10.052
基于机器学习的中文评论倾向性分类实证研究
文章对长度短、变形词多的中文评论的倾向性分类问题做了深入研究,分析了目前比较流行的几种算法,其中特征选取方法选取了卡方统计量(CHI)、信息增益(IG)、互信息(MI);分类算法选取了K最邻近节点(KNN)方法、支持向量机(SVM)方法、朴素贝叶斯(Naive Bayes)方法。通过两两组合进行实验,最终的实验结果表明,特征选取方法采用IG,分类算法采用Na?ve Bayes效果较为理想。
倾向性、机器学习、特征选择、特征项权重
TP309(计算技术、计算机技术)
国家高技术研究发展计划863计划2011AA010702
2013-11-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
164-166