一种融合改进TF-IDF与词典模型的情感分类算法

作     者：王康静 钱江海 WANG Kangjing;QIAN Jianghai

作者机构：上海电力大学数理学院上海200090 华东师范大学软硬件协同设计技术与应用教育部工程研究中心上海200062 

基　　金：华东师范大学软硬件协同设计技术与应用教育部工程研究中心开放研究基金(OP202102) 

出 版 物：《上海电力大学学报》 (Journal of Shanghai University of Electric Power)

年 卷 期：2024年第40卷第1期

页      码：80-86页

摘      要：针对传统情感文本分类算法存在情感特征词的极性偏好区分度较低和稳定性较差等问题,提出了一种改进词频-逆文本频率(TF-IDF)模型与词典模型相融合的情感文本分类算法。首先,通过情感特征词在不同情感类型语料中的频率分布和离散系数,度量情感特征词极性偏好所包含的区分度和稳定性,生成情感特征词极性指标;然后,使用该指标改进TF-IDF模型的情感特征词权重;最后,基于改进的TF-IDF模型,使用带决策函数的有监督分类算法计算情感文本的极性得分,并与词典模型所得的极性得分进行调和平均,得到情感文本综合极性得分。

主 题 词：词频-逆文本频率 情感极性 离散系数 词典模型 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.2096-8299.2024.01.012

馆 藏 号：203126135...