针对粗粒度的商品评论情感分析不能详尽地提供用户喜好问题,提出一种基于支持向量机(SVM)结合点互信息(PMI)的细粒度商品评论情感分析方法。首先,使用卡方检验方法进行文本特征选择和降维;接着,对朴素贝叶斯、决策树、支持向量机(SVM)、K最邻近算法(KNN)四种常用情感分类方法进行比较,支持向量机(SVM)的召回率和精确率最高,均达到94.5%,所以使用支持向量机(SVM)对商品评论进行粗粒度的情感分析;然后,根据人工经验总结典型的商品属性,使用点互信息(PMI)方法对商品属性扩充;最后针,对扩充后的商品属性,在以上粗粒度的商品评论情感分析基础上,进行细粒度的情感分析及统计。细粒度的商品评论情感分析,可使厂家看到用户对产品属性的喜好,以及在产品设计、销售及服务中需要改进的方面。
类型: 期刊论文
作者: 李明,胡吉霞,侯琳娜,严峻
关键词: 情感分析,特征选择,文本分类,机器学习,商品属性
来源: 计算机应用 2019年S2期
年度: 2019
分类: 信息科技,经济与管理科学
专业: 计算机软件及计算机应用,自动化技术,企业经济
单位: 西安理工大学经济与管理学院
分类号: F274;TP391.1;TP181
页码: 15-19
总页数: 5
文件大小: 615K
下载量: 1186
本文来源: https://www.lunwen90.cn/article/dacad720de1ea4ccf5945c3e.html