基于nmf的web评论情感分类方法研究

《基于nmf的web评论情感分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于NMF的Web评论情感分类方法研究　　摘要：Web评论研究技术中，其情感分析就是将评论的情感极性进行褒贬分类的过程。本文将非负矩阵分解（nonnegativematrixdecomposition，NMF）和支持向量机（supportvectormachine，SVM）相结合，构造出一种基于NMF的支持向量机（NMF-SVM）分类算法。该算法利用NMF对初始的“词―文档”向量矩阵进行有效降维，提取潜在语义，最后利用支持向量机对重新构造的“词-文本”向量模型进行情感分类。实验结果证明，该分类算法的准确率优于比传统的SVM算法，

2、具有一定应用价值。　　关键词：Web评论；情感极性分类；非负矩阵分解；支持向量机　　中图分类号：TP391文献标识码：A文章编号：1009-3044（2016）18-0167-04　　SentimentClassifierBasedonNMFforWebComments　　RENJing，LIULi-bo　　（CollegeofInformationEngineeringNingxiaUniversity，Yinchuan750021，China）　　Abstract：TheresearchtechniqueofWebrevie

3、w，thesentimentanalysisisregardedasaclassificationprocessforreview'semotionalpolarity.Asupportvectormachine（NMF-SVM）classificationalgorithmbasedonNMFhasbeenputforward，for10whichcombineNMF（nonnegativematrixdecomposition）andSVM（supportvectormachine）.ThealgorithmusingNMF

4、forinitialword-documentvectormatrixtoreducethedimensioneffectively，andtoextractthelatentsemantic，finallyusingsupportvectormachinetoemotionclassificationthatword-documentvectormodelhasreconstructed.Theexperimentalresultsshowthattheaccuracyoftheclassificationalgorithmi

5、ssuperiortothetraditionalSVMalgorithm.　　Keywords：webcomments；emotionalpolarityclassification；nonnegativematrixdecomposition；supportvectormachine　　随着Web2.0时代的到来，为人们提供更加直观的意见沟通、情感交流的平台，它的出现不但打破传统行业运作模式，而且在用户体验式思维有很大的冲击。因此，越来越多的用户喜欢在互联网（如博客和论坛）上，发表自己的观点和分享自己的经验，直接表达自己的各

6、种情感，如喜怒哀乐支持和反对等。Web上用户的评论信息在不断增长，分布在网络上的海量信息成为了潜在用户计划消费前不可缺少的信息参考和指导。例如，在各大门户网站和论坛上出现某产品的评价和意见信息，直接影响潜在消费顾客的购买行为，也影响经营者、厂商了解用户真实需求、自身产品、服务方面的不足。面对海量的网络评论信息，仅靠纯手工统计、分析、挖掘，根本不切合实际，因此，利用计算机帮助用户快速完全地获取和整理这些相关的评价信息是当务之急。10　　中文文本情感分析也称意见挖掘，是对具有情感色彩的主观性文本信息，进行识别、分析、处理、归纳等一系

7、列过程。其价值体现在从大量文本信息中分析得到总结性的结论。目前对于Web评论的研究方面，Wei等人[1]分析产品评论中特征的提取和情感词提取的方法。曹斌[2]通过数据挖掘算法，提取包含情感特征词的旅游评论句子，判断这些句子的情感倾向性，为用户提供有价值的意见。肖芬[3]针对Web站点中的评论文本，通过产品属性词和评价词的提取，挖掘出用户对产品意见的极性。周城[4]利用文本分类技术和情感词典技术两种分析方法对中文Web评论进行情感倾向性分析。孙莹[5]利用Web文本数据爬取的酒店评论信息，进行文本的数据挖掘，构建情感分类模型，最终

8、对口碑进行情感分类，挖掘其中的商业价值。黄胜[6]从细粒度角度进行原始数据抽取、目标评价、词典构建、倾向词联合等四个方面挖掘出Web评论文本的主观性意见。彭浩等人[7]提出一种基于比较句的Web评论情感倾向性分析方法，实验验证，该方法能对对用户情感倾向性做出有效