基于改进KNN的消费者评价信息情感分类研究

被引：2

作者：

刘晓菲 ^{[1
]}

丁香乾 ^{[1
]}

石硕 ^{[1
]}

李林春 ^{[2
]}

李忠态 ^{[2
]}

机构：

[1] 中国海洋大学信息科学与工程学院

[2] 红塔烟草(集团)有限责任公司信息网络科

来源：

微型机与应用 | 2014年 / 33卷 / 24期

关键词：

大数据; 特征降维; LSA算法; KNN算法; 情感分类;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

面对大数据时代消费者评价的海量信息,为了识别消费者评价信息的情感倾向,及时掌握消费者的评价信息反馈,采用K-近邻(KNN)算法对消费者评价信息进行情感分类,但是该算法在文本分类过程中因文本特征向量的维度高,使得算法的时间复杂度和空间复杂度较高,计算的开销很大。针对这一问题,通过对获取信息的文本结构以及情感表达特点的分析,采用一种改进的KNN算法进行文本情感分类。在对消费者评价信息进行分类时,先由潜在语义分析算法对文本特征向量进行降维处理,然后利用加权KNN算法进行分类。实验结果表明,该方法在提高文本分类速度的同时保持了良好的分类效果。

引用

页码：81 / 83+86 +86

页数：4

共 6 条

[1] 基于K-近邻算法的文本情感分析方法研究 [J].