随着电子商务的快速发展,评论文本的情感倾向研究引起了广大学者的关注.为了充分利用短文本中的情感本体和语义信息,提出结合句法规则、情感本体和词向量的中文情感分类方法.首先利用Word2vec训练词向量,结合句法规则生成短文本向量;再...随着电子商务的快速发展,评论文本的情感倾向研究引起了广大学者的关注.为了充分利用短文本中的情感本体和语义信息,提出结合句法规则、情感本体和词向量的中文情感分类方法.首先利用Word2vec训练词向量,结合句法规则生成短文本向量;再根据情感特征分布,创建领域自适应情感词典,结合句法规则,得到短文本情感值,从而构建词向量和情感值相结合的情感模型VWEO(Vector with Emotional Ontology).在酒店评论数据集中,与已有方法相比,所提方法在准确率、召回率、F1值均有明显提升.展开更多
文摘随着电子商务的快速发展,评论文本的情感倾向研究引起了广大学者的关注.为了充分利用短文本中的情感本体和语义信息,提出结合句法规则、情感本体和词向量的中文情感分类方法.首先利用Word2vec训练词向量,结合句法规则生成短文本向量;再根据情感特征分布,创建领域自适应情感词典,结合句法规则,得到短文本情感值,从而构建词向量和情感值相结合的情感模型VWEO(Vector with Emotional Ontology).在酒店评论数据集中,与已有方法相比,所提方法在准确率、召回率、F1值均有明显提升.
