典型文献
基于支持向量机的微博情感分析方法研究
文献摘要：
微博是当前国内最流行的社交平台之一,微博文本的情感分析有助于进一步分析实现其媒体价值,然而,微博数据庞大且冗余性高,使得文本特征具有较高的稀疏性和局限性,在小样本数据分析上情感判断结果并不理想.因此,提出一种基于支持向量机分类模型的微博数据情感分析方法,首先通过weibo Spider爬取微博数据,进行人工标注构建微博文本数据集,然后联合优化TF-IDF算法和传统词袋,提出一种基于关键词的词袋模型,获取文本特征矩阵以解决微博文本高稀疏、高冗余的问题,最后构建高斯核的支持向量机分类器实现对微博数据的情感分析.实验结果显示,对比朴素贝叶斯、决策树等方法,提出的方法可获得较高的准确率,且在小样本数据上有明显优势.
文献关键词：
微博文本;情感分析;支持向量机;机器学习
中图分类号：
作者姓名：
李首政;王琪;王力
作者机构：
南阳理工学院信息工程学院,南阳 473000;南阳理工学院土木工程学院,南阳 473000
文献出处：
引用格式：
[1]李首政;王琪;王力-.基于支持向量机的微博情感分析方法研究)[J].现代计算机,2022(19):63-66,80
A类：
B类：
情感分析,社交平台,微博文本,微博数据,冗余性,文本特征,稀疏性,小样本数据,分类模型,weibo,Spider,爬取,文本数据,联合优化,TF,IDF,词袋模型,特征矩阵,高斯核,支持向量机分类器,朴素贝叶斯,决策树
AB值：
0.278753
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。
