面向微博短文本的细粒度情感特征抽取方法

北京大学学报（自然科学版）

面向微博短文本的细粒度情感特征抽取方法

贺飞艳¹,何炎祥¹,刘楠^1,2,刘健博¹,彭敏¹

1. 武汉大学计算机学院, 武汉 430072; 2. 军事经济学院军需系, 武汉 430035;

收稿日期:2012-05-20 出版日期:2014-01-20 发布日期:2014-01-20

A Microblog Short Text Oriented Multi-class Feature Extraction Method of Fine-Grained Sentiment Analysis

HE Feiyan¹, HE Yanxiang¹, LIU Nan^1,2, LIU Jianbo¹, PENG Min¹

1. School of Computer,Wuhan University, Wuhan 430072; 2. Department of Quartermaster, Military Economic Academy, Wuhan 430035;

Received:2012-05-20 Online:2014-01-20 Published:2014-01-20

摘要/Abstract

摘要： 结合TF-IDF方法与方差统计方法, 提出一种实现多分类特征抽取的计算方法。采用先极性判断, 后细粒度情感判断的处理方法, 构建细粒度情感分析与判断流程, 并将其应用于微博短文本的细粒度情感判断。通过NLP&CC2013评测所提供的训练语料对该方法有效性进行验证, 结果表明该方法具有较好的抽取效果。

关键词: 自然语言处理, 文本情感分析, 细粒度情感, 多分类特征抽取

Abstract: Combined with TF-IDF method and variance statistical forumla, a new method for the extraction of multi-class feature is presented. This microblog short text oriented extraction method is used to determine the fine-grained sentiment type. Then the processes of fine-grained sentiment analysis is bulit. This method is used to praticipate the NLP&CC2013 evaluation, and the effectiveness of this method is proved by the good ranking of the subimitted data.

Key words: natural language processing, text sentiment analysis, fine-grained sentiment analysis, multi-class feature extraction

中图分类号:

TP391

贺飞艳,何炎祥,刘楠,刘健博,彭敏. 面向微博短文本的细粒度情感特征抽取方法[J]. 北京大学学报（自然科学版）.

HE Feiyan,HE Yanxiang,LIU Nan,LIU Jianbo,PENG Min. A Microblog Short Text Oriented Multi-class Feature Extraction Method of Fine-Grained Sentiment Analysis[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2014/V50/I1/48

[1]	班玛宝, 才让加, 张瑞, 色差甲, 卓玛扎西. 融合双通道音节特征的藏文La格例句自动分类模型[J]. 北京大学学报自然科学版, 2022, 58(1): 91-98.
[2]	谢志鹏, 毕冉. 大规模中文具体度词典的构建及推理技术[J]. 北京大学学报自然科学版, 2022, 58(1): 1-6.
[3]	王潜升, 余南, 张梅山, 韩子嘉, 付国宏. N3LDG: 一种轻量级自然语言处理深度学习库[J]. 北京大学学报自然科学版, 2019, 55(1): 113-119.
[4]	薛云霞,李寿山,王中卿. 基于社会关系网络的半监督情感分类[J]. 北京大学学报（自然科学版）, 2014, 50(1): 61-66.
[5]	张静杰,昝红英. 副词“都”用法自动识别研究[J]. 北京大学学报（自然科学版）, 2013, 49(1): 165-169.
[6]	王伟,赵东岩,赵伟. 中文新闻关键事件的主题句识别[J]. 北京大学学报（自然科学版）, 2011, 47(5): 789-796.
[7]	穗志方, 俞士汶. 汉语单句谓语中心词识别知识的获取及应用[J]. 北京大学学报（自然科学版）, 1998, 34(2): 221-230.