基于限制玻尔兹曼机的无极性标注情感分类研究

发布时间：2018-05-04 19:41

  本文选题：限制玻尔兹曼机 + 情感分类　； 参考：《科学技术与工程》2013年35期

【摘要】：已有的网络评论情感分类算法都需要手工标注词汇情感倾向,然而网络评论具有表达形式自由、模式多变、词汇更新速度快等特点,手工标注的方式适应能力较低。为解决上述问题,结合限制玻尔兹曼机和相似差异向量运算,通过降低向量相似度,强调其差异性的方式,提出基于限制玻尔兹曼机的无词汇标注情感分类算法。实验表明,该算法虽褒义精确度稍低于支持向量机,但是在贬义精确度上优于支持向量机,并且不需要进行词汇情感倾向标注,降低了算法的复杂度,提高了泛化能力。
[Abstract]:The existing emotion classification algorithms of network comments all need manual tagging of lexical affective tendency. However, network comments have the characteristics of free expression, changeable patterns, fast vocabulary updating and so on, and the adaptability of manual tagging is low. In order to solve the above problems, combining with constrained Boltzmann machine and similar difference vector operation, by reducing the similarity of vectors and emphasizing the way of their differences, an affective classification algorithm without lexical tagging based on restricted Boltzmann machine is proposed. The experimental results show that although the accuracy of the proposed algorithm is slightly lower than that of SVM, it is better than SVM in derogatory sense, and it does not need tagging of lexical affective tendency, which reduces the complexity of the algorithm and improves the generalization ability.
【作者单位】： 广西科技大学管理学院;
【基金】：欠发达地区工业化与信息化融合及其系统动力机制研究(11FJL007)资助
【分类号】：TP393.09

【参考文献】

相关期刊论文 前3条

1 那日萨;刘影;李媛;;消费者网络评论的情感模糊计算与产品推荐研究[J];广西师范大学学报(自然科学版);2010年01期

2 李培;何中市;黄永文;;基于依存关系分析的网络评论极性分类研究[J];计算机工程与应用;2010年11期

3 王晓东;李永波;郑颖;;基于模板匹配的网络评论倾向性分析[J];计算机工程与应用;2012年32期

【共引文献】

相关期刊论文 前3条

1 魏椺;向阳;陈千;;中文文本情感分析综述[J];计算机应用;2011年12期

2 胡涛;刘怀亮;;中文文本分类中一种基于语义的特征降维方法[J];现代情报;2011年11期

3 那日萨;钟佳丰;童强;;基于情感词汇的在线评论产品个性化推荐方法研究[J];郑州大学学报(理学版);2011年02期

相关博士学位论文 前1条

1 张丽;在线评论的客户参与动机与评论有效性研究[D];南开大学;2011年

相关硕士学位论文 前10条

1 薛璐影;文本情感分类相关问题研究[D];哈尔滨工业大学;2010年

2 翟娜;面向图书评论的观点分析研究[D];河北大学;2011年

3 杨国峰;基于支持向量机的篇章情感倾向分析系统研究与实现[D];中山大学;2011年

4 范英翔;基于意见挖掘技术的网购评论倾向性分析的研究与应用[D];东华大学;2012年

5 唐果;BBS主观倾向分析[D];西南大学;2010年

6 何俊;网络新闻评论的情感分析方法研究[D];暨南大学;2012年

7 孙丽伟;基于在线评论的消费者非理性购买行为模糊推理研究[D];大连理工大学;2012年

8 董蔷;基于网络评论的消费者体验类型模糊推理及识别[D];大连理工大学;2013年

9 谢芳;网上消费者抱怨信息影响力因素及其评价方法研究[D];合肥工业大学;2013年

10 宋静静;中文短文本情感倾向性分析研究[D];重庆理工大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 张仰森,徐波,曹元大;自然语言处理中的语言模型及其比较研究[J];广西师范大学学报(自然科学版);2003年01期

2 胡熠;陆汝占;李学宁;段建勇;陈玉泉;;基于语言建模的文本情感分类研究[J];计算机研究与发展;2007年09期

3 王晓东;刘倩;陶县俊;;情感Ontology构建与文本倾向性分析[J];计算机工程与应用;2010年30期

4 李艳玲;戴冠中;朱烨行;;基于类别空间模型的文本倾向性分类方法[J];计算机应用;2007年09期

5 何凤英;;基于语义理解的中文博文倾向性分析[J];计算机应用;2011年08期

6 朱嫣岚;闵锦;周雅倩;黄萱菁;吴立德;;基于HowNet的词汇语义倾向计算[J];中文信息学报;2006年01期

7 徐琳宏;林鸿飞;杨志豪;;基于语义理解的文本倾向性识别机制[J];中文信息学报;2007年01期

8 唐慧丰;谭松波;程学旗;;基于监督学习的中文情感分类技术比较研究[J];中文信息学报;2007年06期

9 徐军;丁宇新;王晓龙;;使用机器学习方法进行新闻的情感自动分类[J];中文信息学报;2007年06期

10 杨超;冯时;王大玲;杨楠;于戈;;基于情感词典扩展技术的网络舆情倾向性分析[J];小型微型计算机系统;2010年04期

相关硕士学位论文 前1条

1 娄德成;基于NLP技术的中文网络评论观点抽取方法的研究[D];上海交通大学;2007年

【相似文献】

相关期刊论文 前10条

1 丁建立;慈祥;黄剑雄;;网络评论倾向性分析[J];计算机应用;2010年11期

2 陈铭;李生红;陈秀真;;基于句式结构的评论倾向性识别方法[J];通信技术;2011年02期

3 李卫;边江;王盈;;动态网络流分类研究[J];电子科技大学学报;2007年S3期

4 诸葛建伟,叶志远,邹维;攻击技术分类研究[J];计算机工程;2005年21期

5 章丽娟;王清贤;;基于多视图的攻击分类体系[J];计算机应用研究;2010年01期

6 ;“美丽”网络[J];程序员;2003年02期

7 高凯;;入侵检测系统的分类研究[J];黑龙江科技信息;2011年18期

8 蒋本立;;网络攻击和防御机制分类研究[J];中国校外教育;2010年14期

9 王前;王磊;谢寿生;;DDoS攻击和防御机制分类研究[J];计算机应用研究;2006年10期

10 陈振;舒坚;;基于关联分类方法的网站客户分类研究[J];电脑知识与技术;2008年01期

相关会议论文 前6条

1 任岗;杨明;张建伟;;面向检测的网络攻击分类研究[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

2 刘家芬;周明天;;对安全协议重放攻击的分类研究(英文)[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）[C];2006年

3 周自强;唐文忠;;访问控制系统中上下文的分类研究[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

4 王勇;张璇;;基于多属性分类方法的网络攻击工具研究[A];全国计算机安全学术交流会论文集（第二十四卷）[C];2009年

5 朱磊;;迅雷流量的主动识别[A];江苏省电子学会2010年学术年会论文集[C];2010年

6 吕登龙;王宇;;基于Web的攻击分类法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

相关博士学位论文 前3条

1 王宝勋;面向网络社区问答对的语义挖掘研究[D];哈尔滨工业大学;2013年

2 李方涛;基于产品评论的情感分析研究[D];清华大学;2011年

3 胡明;Web中文信息智能获取与分类研究[D];吉林大学;2005年

相关硕士学位论文 前10条

1 梁雷;基于网络评论的客户观点挖掘方法研究[D];哈尔滨工业大学;2010年

2 李慧;基于用户评论信息的商品推荐技术[D];扬州大学;2007年

3 周杰;网络舆情话题情感倾向性分析技术研究[D];解放军信息工程大学;2010年

4 石振梁;中文新闻情感分类系统的研究与实现[D];北京邮电大学;2011年

5 许斌;中文微博的情感分析和影响力技术研究[D];解放军信息工程大学;2013年

6 任函;大规模中文网页的自动分类研究[D];华中师范大学;2006年

7 刘静;基于Web文本挖掘的SVM网页文本分类研究[D];东北财经大学;2006年

8 黄黎;基于知识模型推理的Deep Web数据源分类研究[D];苏州大学;2009年

9 金一宁;基于KNN及相关链接的中文网页分类研究[D];哈尔滨工程大学;2008年

10 吴炜;基于隧道的VPN分类研究及其网络性能测试[D];湖南大学;2005年

，

本文编号：1844395