基于隐含语义索引的文本情感序列回归方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家科技支撑计划(2012BAH89F02)


Review Text Sentiment Ordinal Regression Based on Latent Semantic Index
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    传统上,文本情感分析技术仅限于情感分类,即仅局限于简单的将评论分为正面或负面两类. 而在实际中,有时更需要将评论进行分级,比如把商品划分为“好”、“中”、“差”、“极差”等若干个级别,以便更准确表达评论者的情感;现有的情感分类方法无法解决评论分级问题. 为此,提出了基于潜在语义索引的评论文本情感序列回归方法,首先采用潜在语义索引对评论文本进行特征变换,并在此基础上采用核判别学习序列回归方法进行序列回归,实现对评论文本的情感分级. 通过在Movie Reviews数据库的实验,验证了提出方法的有效性.

    Abstract:

    Traditionally, text sentiment analysis is only limited to sentiment classification. The review is simply divided into two types: positive and negative comments. In practice, we sometimes need to rank the review, which cannot be solved by traditional sentiment classification methods. To solve this problem, this paper proposes a novel review text sentiment ordinal regression based on Latent Semantic Index. Firstly latent semantic indexing is used to extract features for review texts and then an ordinal regression method is used for review text sentiment analysis. The experimental results on Movie Reviews database proved the effectiveness of the proposed method.

    参考文献
    相似文献
    引证文献
引用本文

刘贤友,孙丙宇,李文波,汪超永.基于隐含语义索引的文本情感序列回归方法.计算机系统应用,2014,23(7):256-259

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-11-21
  • 最后修改日期:2013-12-16
  • 录用日期:
  • 在线发布日期: 2014-08-15
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号