基于机器学习的互联网评论倾向性分析相关算法研究  

Research on Algorithm of Internet Comment Tendency Analysis Based on Machine Learning

作　　者：吴菲[1] 徐姗姗[2] WU Fei;XU Shan-shan(Nanjing University of Technology Pujiang Collge,Nanjing Jiangsu 210000,China;College of Information Science and Technology,Nanjing Forestry University,Nanjing Jiangsu 210000,China)

机构地区：[1]南京工业大学浦江学院,江苏南京210000 [2]南京林业大学信息科学与技术学院,江苏南京21000

出　　处：《佳木斯大学学报（自然科学版）》2019年第1期23-26,共4页Journal of Jiamusi University：Natural Science Edition

基　　金：南京工业大学浦江学院2017年校级课题(njpj2017-2-10)

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.

关 键 词：机器学习 IG算法 TF-IDF算法 融合分类器 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]