基于证据理论的多分类器中文微博观点句识别

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：随着新技术及社会网络的发展与普及，微博用户数据量剧增，与此相关的研究引起了学术界和工业界的关注。针对中文微博语句特点，通过对比多种特征选取方法，提出一种新的特征统计方法。根据构建的词语字典与词性字典，分析支持向量机、朴素贝叶斯、K最近邻等分类模型，并利用证据理论结合多分类器对中文微博观点句进行识别。采用中国计算机学会自然语言处理与中文计算会议（NLP＆CC2012）提供的数据，运用该方法得到的准确率、召回率和F值分别为70．6％、89．2％、78．9％，而NLP＆CC2012公布的评测结果相应平均值分别为72．7％、61．5％、64．7％，该方法在召回率和F值2个指标上超过其平均值，而F值比NLP＆CC2012评测结果的最好值高出0．5％。

原文链接:http://www.cqvip.com//QK/95200X/201404/49246151.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：多分类 分类器 朴素贝叶斯 cqvip 支持向量机 微博 观点句 支持向量机 朴素贝叶斯 K近邻