基于特征融合的层次结构微博情感分类.PDFVIP

研研 究与开发究与开发 研究与开发 基于特征融合的层次结构微博情感分类 朱宪莹 ，刘箴 ，金炜 ，刘婷婷 ，刘翠娟 ，柴艳杰 （宁波大学信息科学与工程学院 ，浙江 宁波 315211) 摘 要 ：情感分类是观点挖掘的热点研究之一 ，微博文本情感分类具有很高的应用价值 。 鉴于传统特征选择方 法存在语义缺陷 ，采用神经网络语言模型 ，提出了基于概率模型 的 对 词 向 量 进 行 权重 分 配 的 深 层 特 征 表 示 方 法 ，构建文本语义向量 。 将文本深层特征与浅层特征融合 ，构建融合语义信息的特征向量 ，弥补传统特征选择 方法语义的缺陷 。 采用 SVM 层次结构分类 模型 ，实现多种情感分类 。 实验结果表明 ，采用特征融合的层次结构 情感分类方法 ，能有效提高微博情感分类的准确率 。 关键词 ：情感分类 ；词向量 ；深层特征 ；特征融合 ；层次结构分类模型 中图分类号 ： 文献标识码 ： TP391 A doi: 10.11959/j.issn.1000-0801.2016182 Hierarchical micro-blog sentiment classification based on feature fusion ZHU Xianying, LIU Zhen, JIN Wei, LIU Tingting, LIU Cuijuan, CHAI Yanjie Faculty of Information Science and Technology, Ningbo University, Ningbo 315211, China Abstract: Sentiment classification is an important issue of opinion mining. It has a high application value to classify sentiment in micro-blogs. As traditional feature selection method has semantic gap, a neural network language model was used to propose a deep feature representation method based on probability model to distribute weight to the word vector. Using this method, text semantic vector could be built. In order to avoid the semantic gap, the deep features and shallow features of text were integrated and feature vector that contained semantic information was constructed. With SVM hierarchical classification model, a variety of sentiments could be classified. Experimental results show that the hierarchical sentiment classification method based on feature fusion can improve the