基于机器学习的中文评论倾向性分类实证研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：文章对长度短、变形词多的中文评论的倾向性分类问题做了深入研究，分析了目前比较流行的几种算法，其中特征选取方法选取了卡方统计量（CHI）、信息增益（IG）、互信息（MI）；分类算法选取了K最邻近节点（KNN）方法、支持向量机（SVM）方法、朴素贝叶斯（NaiveBayes）方法。通过两两组合进行实验，最终的实验结果表明，特征选取方法采用IG，分类算法采用NaiveBayes效果较为理想。

原文链接:http://www.cqvip.com/QK/96116A/201310/47650569.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 实证研究 倾向性 学习的 naive 倾向性 机器学习 特征选择 特征项权重