基于复杂网络的情感分类特征选择

被引：3

作者：

张向阳

那日萨

机构：

[1] 大连理工大学系统工程研究所

来源：

计算机应用研究 | 2017年 / 34卷 / 04期

关键词：

复杂网络; 特征选择; 情感分类; 情感词典;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; O157.5 [图论];

学科分类号：

081203 ; 0835 ; 070104 ;

摘要：

首先针对公共情感词典对专业领域适用性较低的问题,以公共情感词典作为种子情感词典,以评论语料库中未出现在公共情感词典中的形容词作为候选情感词,在此基础之上利用点互信息理论构建专业领域的情感词典;其次针对在线评论情感分类问题,利用复杂网络理论提出了一种新的情感分类特征选择算法,改进了传统特征选择算法忽略特征语义相关信息、遗漏评论情感资源的问题。通过构建候选特征词关系网络,利用复杂网络节点重要性理论,考虑节点的局部和全局重要性,提出了利用网络节点的度中心性、介数中心性和接近中心性综合衡量节点重要性来选择情感分类特征的算法NTFS(complex network feature selection)。最后以i Phone手机的在线评论为实验数据,利用SVM、NNET、NB分类器对比了NTFS、GI、CHI传统特征选择方法,实验证明NTFS在分类性能上优于GI、CHI算法。

引用

页码：1000 / 1003

页数：4

共 15 条

[1]

Text feature selection based on class subspace. Zhou Xiaofei,Guo Li,Wang Tianyi,et al. Proc of IEEE International Conference on Data Mining . 2014

[2]

情感词汇本体的构造[J]. 徐琳宏,林鸿飞,潘宇,任惠,陈建美. 报学报. 2008 (02)

[3]

Introduction to modern information retrieval. Mcgill G S M. . 1986

[4]

Thumbs up or thumbs down/:semantic orientation applied to unsupervised classification of reviews. Turney P. Proc of the 40th Annual Meeting on Association for Computational Linguistics(ACL’’02) . 2002

[5]

A novel approach for feature selection method TF-IDF in document clustering. Patil L H,Atique M. International Advance Computing Conference (IACC) . 2013

[6]

An introduction to variable and feature selection. Isabelle Guyon,Anure Elisseeff. Journal of Machine Learning Research . 2003

[7]

A survey on feature selection methods[J] . Girish Chandrashekar,Ferat Sahin. &nbspComputers and Electrical Engineering . 2013

[8] 基于HowNet的词汇语义倾向计算 [J].

朱嫣岚 ;

闵锦 ;

周雅倩 ;

黄萱菁 ;

吴立德 .

中文信息学报, 2006, (01) :14-20

[9] A review of feature selection methods based on mutual information [J].

Vergara, Jorge R. ;

Estevez, Pablo A. .

NEURAL COMPUTING & APPLICATIONS, 2014, 24 (01) :175-186

[10]

Chi Square Feature Extraction Based Svms Arabic Language Text Categorization System[J] . Abdelwadood M.A. MESLEH. &nbspJournal of Computer Science . 2007 (6)

← 1 2 →