姚珂

摘要：该文将基础词典和自定义词典相结合，采用基于词典和自定义规则的情感分类方法将文本分为正向、负向、中性三类。在此基础上通过K折交叉验证，对自定义规则的权重进行调整，并使得到的结果更具准确性。实验结果表明，基于词典和规则的方法可以对文本的情感倾向性进行有效分类。

关键词：自定义词典；规则；情感分析；K折交叉验证

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）26-0162-02

国务院在2017年7月8日发布并实施的《新一代人工智能发展规划》中自然语言处理技术被重点提及。它指出自然语言处理技术主要用于研究短文本的计算与分析技术，跨语言文本挖掘技术和面向机器认知智能的语义理解技术，多媒体信息理解的人机对话系统。

文本情感分析作为自然语言处理中的一个重点，是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程[1]。在情感分析领域，文本可以划分为两类即积极的或消极的，也可以分为三类即积极的、消极的、中性（或不相关）。现在国内外主要使用的技术可以分为两大类：一类是基于情感词典的方法[2]，根据分词后得到的情感词数量来计算总体的情感分值，然后根据情感分值判断情感走向；另一类是采用机器学习的方法[3]，准备训练集和测试集，对数据进行向量化，使用逻辑回归、支持向量机、神经网络等分类器进行情感分类。

当前各类媒体高度发达，海量的信息被制造和传播，想要快速得到文本中的具体内容与评价，需要我们使用情感分析的方法去解决阅读和识别判断数据的难题。……