基于机器学习的互联网评论倾向性分析相关算法研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Research on Algorithm of Internet Comment Tendency Analysis Based on Machine Learning 作者：吴菲 ; 徐姗姗 英文作者：WU Fei;XU Shan-shan;Nanjing University of Technology Pujiang Collge;College of Information Science and Technology,Nanjing Forestry University; 关键词：机器学习 ; IG算法 ; TF-IDF算法 ; 融合分类器 英文关键词：machine learning;;IG algorithm;;TF-IDF algorithm;;fusion classifier 中文刊名：佳木斯大学学报(自然科学版) 英文刊名：Journal of Jiamusi University(Natural Science Edition) 机构：南京工业大学浦江学院;南京林业大学信息科学与技术学院; 出版日期：2019-01-15 出版单位：佳木斯大学学报(自然科学版) 年：2019 期：01 基金：南京工业大学浦江学院2017年校级课题(njpj2017-2-10) 语种：中文; 页：27-30 页数：4 CN：23-1434/T ISSN：1008-1402 分类号：TP391.1;TP181

摘要

主要研究网络评论信息的情感倾向性判断的方法,针对于传统IG算法和TF-IDF算法所存在的不足,提出了改进的IG算法和TF-IDF算法。并针对于朴素贝叶斯方法、KNN算法以及SVM分类算法的不足,提出了融合分类器。通过实验表明,该融合分类器取得了一定的效果,能有效的提高分类准确率。
        This paper mainly studies the method of judging the emotional orientation of network comment information. Aiming at the shortcomings of traditional IG algorithm and TF-IDF algorithm,an improved IG algorithm and TF-IDF algorithm are proposed. Aiming at the shortcomings of Naive Bayesian method,KNN algorithm and SVM classification algorithm,a fusion classifier is proposed. Experiments show that the fusion classifier achieves certain results and can effectively improve the classification accuracy.

引文

[1]吴纪芸,陈志德,汪磊,等.关键词拍卖的选词与出价策略研究[J].计算机工程. 2015(7).
    [2]李常宝.基于索引的web服务发现研究[D].北京邮电大学.2011.
    [3]唐轶.基于移动Agent的分布式搜索应用研究[D].华南理工大学. 2012.
    [4]田旷.面向高维数据的特征选择算法研究[D].北京交通大学. 2012.