基于机器学习的词语和句子极性分析
近年来，主观性文本(意见)挖掘研究十分活跃，主要特点是分析文本中包含的主观观点并计算其语义极性。这类研究可广泛应用于信息过滤、智能电子商务、意见反馈、民意调查等。词和句子的极性分析是意见挖掘的一个重要处理层次。我们从这两个基础环节入手，构建了基础极性词典，用上下文关联和多种机器学习方法分析了极性词在某一领域内的极性。接着，并分别用词语和Bayes方法计算句子的极性。
意见挖掘 语义倾向 极性分析 观点分析 机器学习
蔡健平 林世平
福州大学数学与计算机科学学院计算机系,福建福州 350002
国内会议
苏州
中文
643-649
2007-11-01（万方平台首次上网日期，不代表论文的发表时间）