基于粗糙集的在线评论情感分析模型  

Online Reviews Sentiment Analysis Model Based on Rough Sets

作　　者：王祖辉[1] 姜维[1] 

机构地区：[1]哈尔滨工业大学信息管理与信息系统研究所,哈尔滨150001

出　　处：《计算机工程》2012年第16期1-4,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(70801022);中央高校基本科研业务费专项基金资助项目(HIT.NSRIF.2010083);中国博士后科学基金资助项目(20090450973);黑龙江省教育厅科学技术研究基金资助项目(12511435)

摘　　要：针对在线评论情感分析的复杂特征抽取问题,提出一种基于粗糙集的在线评论情感分析模型。分析传统词袋性特征,指出固定搭配特征在情感极性判别中的作用,采用粗糙集方法挖掘在线评论中的固定搭配特征,将其融合于SVM与Naive Bayes等情感分析模型中。实际酒店的在线评论情感分析结果表明,增加粗规则后,SVM模型与Naive Bayes模型获得的评论情感判别精度都有所提高。In order to extract the complicated features for online reviews sentiment analysis, an online reviews sentiment analysis model based on rough sets is presented. It analyzes the traditional word bags features, and the regular collocation features are confirmed to play important role in identifying the reviews sentiment. The regular collocation features as rough rules extracted are incorporated into the sentiment analysis model, and the results on real hotel online reviews show the performance improvement under both Support Vector Machine（SVM） model and Naive Bayes model.

关 键 词：情感分析 粗糙集 特征提取 词袋特征 固定搭配特征 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]