典型文献
基于LDA—加权Word2Vec组合的机器学习情感分类模型研究
文献摘要：
为解决社交媒体用户发布评论文本过长,导致情感倾向不明确,情感特征分布离散,传统情感分类模型缺乏上下文语义分析,提取情感特征不准确,分类精准率较低的难题,提出一种主题模型与词向量组合特征(LDA-Word2Vec)的情感分类模型.通过LDA主题模型对长评论文本进行特征提取,构建所有主题下的特征词库;借助特征词库构建长评论的LDA特征表达;利用CBOW训练得到特征表达后文本的词向量表示,使用TF-IDF对词向量进行加权并融合语义特征,再构建机器学习模型对长评论文本进行情感分类的方法,研究了机器学习情感分类模型.实验结果表明:相较于传统的文本特征表示方法,本文提出的LDA-Word2Vec组合特征的方法,在情感分类的准确率与召回率的表现上都更加优秀.可见本文的模型能够进一步挖掘文本的情感特征,具有一定学术意义和现实意义.
文献关键词：
LDA主题挖掘;Word2Vec模型;机器学习;情感分类
中图分类号：
作者姓名：
陈登建;杜飞霞;吴瑞雪;杨秀璋;夏换
作者机构：
贵州财经大学信息学院,贵阳 550025;贵州财经大学贵州省经济系统仿真重点实验室,贵阳 550025
文献出处：
引用格式：
[1]陈登建;杜飞霞;吴瑞雪;杨秀璋;夏换-.基于LDA—加权Word2Vec组合的机器学习情感分类模型研究)[J].现代计算机,2022(18):16-22
A类：
B类：
LDA,Word2Vec,学习情感,情感分类,分类模型,社交媒体用户,评论文本,情感倾向,情感特征,特征分布,上下文语义,语义分析,主题模型,词向量,向量组,组合特征,建所,所有主,题下,特征词,词库构建,特征表达,CBOW,练得,向量表示,TF,IDF,合语,语义特征,再构,机器学习模型,文本特征表示,表示方法,召回率,定学,学术意义,主题挖掘
AB值：
0.402644
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
