隐朴素贝叶斯在情感分类中的应用研究

发布时间：2023-03-27 01:24

　　随着互联网的迅速发展,人们对互联网的热爱也日渐增强。在互联网诞生与发展的过程中伴随着各种平台产生,用户也通过互联网平台来抒发自己的内心想法与意见。随着用户越来越多,在这些数据当中涉及了社会、商品等各种信息,同时这些信息也形成了庞大的数据库。在数据库形成的过程中伴随着也带来了自然语言处理领域的舆情问题。因此,需要对这些数据实施处理与监测。在自然语言处理领域研究的学者们为了实现这一目标,近些年来不断的对其探索。为了对庞大的信息进行情感的研究,此领域的研究学者们采用词典、统计、机器学习的方法对其处理,最终实现自动化文本处理方法。在之前学者们的研究成果基础之上,本文采用了改进的TF-IDF与隐朴素贝叶斯的结合对文本情感分类,与改进的TF-IDF与朴素贝叶斯的结合以及特征加权融合的朴素贝叶斯情感分类算法进行了比较。然后对情感词典的扩充进行了研究,采用了基word2vec方法对词典进行扩充,然后使用隐朴素贝叶斯作为分类器进行情感分类。本文使用了书籍、电脑、酒店评论数据作为实验研究的对象,通过对数据的分析与处理进行了情感分类与词典扩展的相关工作。本文的主要研究内容如下:在本文的情感分类相关技术的研究...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究的目的与意义
    1.3 国内外研究现状
        1.3.1 情感分类
        1.3.2 特征提取
        1.3.3 情感词典的扩充
    1.4 论文的主要研究内容
    1.5 论文的组织结构
第2章 相关理论与文本情感分类技术
    2.1 基本流程
    2.2 文本预处理
    2.3 改进的TF-IDF特征提取
    2.4 隐朴素贝叶斯(HNB)
    2.5 分类性能
    2.6 情感词典相关知识
        2.6.1 情感词典相关介绍
        2.6.2 情感词典
    2.7 本章小结
第3章 基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究
    3.1 文本情感分类流程
    3.2 特征选择
    3.3 情感分类
    3.4 实验结果及分析
        3.4.1 实验数据来源
        3.4.2 结果分析
    3.5 本章小结
第4章 基于情感词典扩充与隐朴素贝叶斯的情感分类研究
    4.1 词典的扩充方法
        4.1.1 文本的分词
        4.1.2 基础情感词典的比较
    4..1.3词典的扩充
    4.2 情感分类
    4.3 实验结果及分析
    4.4 本章小结
第5章 总结与展望
    5.1 相关工作总结
    5.2 下一步研究方向
参考文献
作者攻读硕士学位期间的科研成果
致谢



本文编号：3772096