中国博士后科学基金(2011M501041)
- 作品数：2 被引量：15H指数：2
- 相关作者：王刚王刚王珏杨善林更多>>
- 相关机构：合肥工业大学教育部中国科学院数学与系统科学研究院更多>>
- 发文基金：中国博士后科学基金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：语言文字经济管理自动化与计算机技术更多>>
- 电子商务中基于非均衡数据分类和词性分析的意见挖掘研究被引量：10
- 2014年
- 随着电子商务的不断普及，网络商品评论作为消费者了解网上销售商品质量的一个重要途径，已受到越来越多的重视，并且已提出很多意见挖掘方法来帮助消费者利用这些数据。但目前研究对网络商品评论的非均衡分布特性还较少关注，为此，本文提出基于非均衡数据分类和词性分析的意见挖掘方法。该方法综合基于情感知识和机器学习两种意见挖掘方法，首先，分析电子商务评论的语言特征，对电子商务评论中词语的词性进行分析，提出“留词性”和“去词性”两种分析方法；其次，根据电子商务意见挖掘数据不均衡分布的特征，提出基于非均衡数据分类的意见挖掘方法。最后，以携程网、京东商城和当当网三个不同电子商务网站的用户评论为语料库，对本文提出的方法进行检验，实验结果验证了本文提出的基于非均衡数据分类和词性分析的意见挖掘方法的有效性，并且采用去词性分析方法时，Random Subspace在所有测试集上均取得了最好的分类结果。
- 王刚王刚王珏
- 关键词：词性分析电子商务
- 基于集成学习理论的文本情感分类被引量：5
- 2012年
- 随着Web2.0的迅速发展,越来越多的用户乐于在互联网上分享自己的观点或体验。这类评论信息迅速膨胀,仅靠人工的方法难以应对网上海量信息的收集和处理,因此基于计算机的文本情感分类技术应运而生,并且研究的重点之一就是提高分类的精度。由于集成学习理论是提高分类精度的一种有效途径,并且已在许多领域显示出其优于单个分类器的良好性能,为此,提出基于集成学习理论的文本情感分类方法。实验结果显示三种常用的集成学习方法 Bagging、Boosting和Random Subspace对基础分类器的分类精度都有提高,并且在不同的基础分类器条件下,Random Subspace方法较Bagging和Boosting方法在统计意义上更优,以上结果进一步验证了集成学习理论在文本情感分类中应用的有效性。
- 方丁王刚
- 关键词：文本情感分类BAGGINGBOOSTINGRANDOMSUBSPACE
