词典与机器学习方法相结合的维吾尔语文本情感分析

发布时间：2018-01-11 07:11

本文关键词：词典与机器学习方法相结合的维吾尔语文本情感分析　出处：《中文信息学报》2017年01期 　论文类型：期刊论文

【摘要】：随着互联网整体水平的提高,大量基于维吾尔文的网络信息不断建立,引起了对不同领域的信息进行情感倾向性分析的迫切需要。该文考虑到维吾尔文没有足够的情感训练语料和完整的情感词典,结合机器学习方法和词典方法的优点,构建一个分类器模型LCUSCM(Lexicon-based and Corpus-based Uyghur Text Sentiment Classification Model),先用自己构建的维吾尔文情感词典对语料进行高质量的情感分类,分类过程中对词典进行递归扩充,再根据每条句子的情感得分,从词典分类的结果中选择一部分语料来训练一个分类器并改进第一步的分类结果。此方法的正确率比单独使用机器学习方法提高了9.13%,比词典方法提高了1.82%。
[Abstract]:With the overall level of the improvement of the Internet, a large number of Uighur based on network information increases, causing the different information in the field of sentiment analysis. The urgent need to consider the Uighur not enough emotional training corpus and the integrity of the emotion dictionary, by combining the advantages of machine learning method and dictionary method, construct a classifier model LCUSCM (Lexicon-based and Corpus-based Uyghur Text Sentiment Classification Model), first of the corpus for emotion classification for high quality to build their own emotional Uyghur dictionary, recursive extension of the dictionary in the process of classification, according to each sentence scores, select a part of the corpus from the dictionary classification results to train a classifier and improved classification the results of the first step. The correct rate of this method than the use of machine learning methods alone increased 9.13%, 1.82%. is better than a dictionary method

【作者单位】：新疆大学信息科学与工程学院新疆多语种重点实验室;伊犁师范学院电子与信息工程学院;
【基金】：国家“973”重点基础研究计划基金(2014CB340506) 国家自然科学基金(61363063) 新疆大学多语种重点实验室开放课题(XJDX0905-2013-02)
【分类号】：TP391.1;TP181
【正文快照】： 1引言随着互联网的飞速发展,广大网络用户已经从过去单纯的信息获取者变为网络内容的主要制造者。当前互联网上的信息形式多种多样,如新闻、博客文章、产品评论、论坛帖子等等。情感分析(senti-ment analysis)能够自动判断说话者对某事件、产品、人物和政策等持有的态度。随着

【参考文献】