蒋 瑶 赵礼峰

（南京邮电大学理学院 南京 210023）

1 引言

如今，我们生活在一个信息驱动的时代，人们不仅从社会、生活的环境中获得信息，更多的信息来自于网络这片海洋里［1］。随着互联网的飞速发展，人们慢慢倾向于在网络上阐述观点和表达情感，从网络上的言论中获取信息。以脸书（Facebook）、微博、微信等为代表的社交平台和以亚马逊、淘宝为代表的电子商务平台上的评论迅速增多，所蕴含的信息量也非常多。从大量评论中挖掘出其蕴含的态度或情绪信息是迫切需要的，因为从一个商品的评价中，卖家和买家可以做出决策；在各大网站上的评论有助于政府的舆情监控。

文本分类就是从文本中获取信息，进而对信息进行分析处理，挖掘出更为重要的知识。文本分类分为两个部分：特征工程和分类器，特征工程是将数据变为信息的过程，是最为耗时耗力的，却又相当重要的过程［2］。DF（词频）、CHI（卡方检验）、IG（信息增益）、ECE（期望交叉熵）等常常被用来作为特征选择的依据［3］。Bao Guo等［4］运用TF-IDF将文本分词后向量化作为文本的特征进行分类。牛玉霞［5］对特征选择算法IG进行改进，并与DF进行了结合，提取了更为重要的特征用以文本分类，提高了文本分类的精度。文本分类的另一部分分类器是将信息变为知识，即我们所想得到的结果，前人对文本分类采用的分类器算法不断更新，使得文本分类的预测效果越来越好。Peixin Liu等［6］将朴素贝叶斯（Naïve Bayesian）作为分类器对短文本进行分类取得了很好的效果。……