基于机器学习的中文评论倾向性分类实证研究

摘要：

文章对长度短、变形词多的中文评论的倾向性分类问题做了深入研究,分析了目前比较流行的几种算法,其中特征选取方法选取了卡方统计量(CHI)、信息增益(IG)、互信息(MI);分类算法选取了K最邻近节点(KNN)方法、支持向量机(SVM)方法、朴素贝叶斯(Naive Bayes)方法.通过两两组合进行实验,最终的实验结果表明,特征选取方法采用IG,分类算法采用Naive Bayes效果较为理想.

关键词： 中文评论 倾向性分类 机器学习 特征选择 特征项权重

作者: 周军 何力 韩伟红 邓璐

作者单位: 国防科技大学,湖南长沙410000

会议类型: 国内会议

会议名称: 第28次全国计算机安全学术交流会

会议地点: 贵阳

会议语种:中文

页码: 164-166

在线出版日期: 2013-10-11（万方平台首次上网日期，不代表论文的发表时间）