基于SVM和词向量的Web新闻倾向性分析  

Web News Sentiment Analysis Based on SVM and Word Embedding

作　　者：肖宇伦[1] 欧阳纯萍[1] 刘志明[1] 

机构地区：[1]南华大学计算机科学与技术学院,衡阳421000

出　　处：《现代计算机（中旬刊）》2016年第5期52-55,共4页Modern Computer

基　　金：湖南省哲学社会科学基金(No.14YBA335)

摘　　要：提出一种通过提取词向量,并利用机器学习对新闻文本进行分类的方法。首先,通过对预先收集好的新闻语料进行分析,获取到词的向量表示形式;然后通过新闻中的一些关键词提取出新闻的关键句;最后把词向量和关键句当中的关键词词性作为组合特征,采用SVM算法进行分类,得到新闻的倾向性类别。实验表明,基于组合特征的SVM文本分类方法具有较高的F值。Proposes an approach for classifying the sentiment of news text based on SVM and Word Embedding.Firstly,word embedding is achieved by training the pre-collected news corpus with word2 vec.Secondly,key sentences are constructed from some key words in news text.At last,the word embedding and key words＇ part-of-speech are selected as combination features to apply in SVM algorithm,and then the sentiment classification of news text is obtained.Experimental results show that SVM based on combination features has high F value in sentiment classification.

关 键 词：新闻倾向性分析 SVM 词向量 词性特征 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]