Keywords: affective computing, sentiment classification, Chinese review, support vector machine, feature weight
目录
1 绪论 1
1.1 选题背景 1
1.3 研究意义 2
1.4 本文的研究思路 2
1.5 本文的组织结构 4
2.1 情感分类概述 5
2.1.1分类任务 5
2.1.2分类粒度 5
2.1.3情感分类难点 6
2.2 SVM在情感分类中应用概述 7
2.2.1 SVM基本原理 7
2.2.2 SVM应用于文本分类 8
2.2.3 SVM应用于情感分类 8
3 基于SVM情感分类关键技术 9
3.1 中文文本自动分词 9
3.2 文本特征选择 10
3.3 文本特征权重计算 12
3.4 SVM参数选择优化 13
3.5 分类结果确定 13
4 不同领域评论信息情感分类及结果比较分析 14
4.1 实验数据 14
4.2 SVM模型实现 14
4.2.1 SVM模型训练基本原理 14
4.2.2 模型训练的具体实现 15
4.3 实验结果评价方法 19
4.4 实验结果分析 20
4.4.1 同一语料不同特征权重分类结果分析 20
4.4.2不同语料同种特征权重分类结果分析 27
4.4.3同一语料不同阈值分类结果分析 27
5 总结与展望 38
5.1 本文工作总结 38
5.2 不足之处 38
5.3 展望 38
致谢 39
参考文献 40
附录A：携程网酒店评论模型训练 45
附录B：当当网书籍评论数据模型训练 47
附录C：三种语料不同阈值正负面评价指标 49
图表目录 不同领域中文评论信息的情感分类效果比较研究(2):http://www.751com.cn/xinwen/lunwen_74792.html