基于情感特征向量空间模型的中文商品评论倾向分类算法
2016-09-08董祥和
计算机应用与软件 2016年8期
董 祥 和
(天津职业技术师范大学经济与管理学院 天津 300222)
基于情感特征向量空间模型的中文商品评论倾向分类算法
董 祥 和
(天津职业技术师范大学经济与管理学院天津 300222)
为了能够快速有效地将中文商品评论识别为好评或差评,提出一种算法。针对不同类别的商品,预先根据其评论语料构建领域情感词典,评论文本与情感词典集匹配提取情感特征,构建情感特征向量空间模型SF-VSM(Sentiment Feature Vector Space Model),解决传统的特征向量空间模型维数较高及特征选择误差问题。然后基于该模型结合改进的多项式朴素贝叶斯方法对评论进行情感倾向分类。实验结果表明,相比分别基于原始特征和基于χ2特征选取的朴素贝叶斯分类算法,该算法分类精度较高且分类速度快。
中文商品评论情感倾向情感词典情感特征向量空间模型朴素贝叶斯分类
0 引 言
国内多数电子商务销售平台的用户可以对商品及服务发表评价。商品评论信息对商家及购物者都很重要,会影响潜在消费者的购买。通过对商品评论文本的采集分析可以得知用户对商品的褒贬程度,有助于商家改进生产及销售策略。随着电商平台用户和商品的不断增长,针对各种商品的评论文本信息数量激增,要求能够根据评论情感倾向及时、准确地自动进行分类,统计好评和差评程度是电商平台需要考虑解决的问题。情感分析语义计算可用于分析商品评论文本的褒贬性。该方法基于情感词典匹配,适用的语料范围较广,无论是手机、电脑这些商品,还是书评、影评都有相应语料。……
登录APP查看全文
