情感分析——《Hierarchical emotion classification and emotion component ...》 2015-12-02

Expert Systems With Applications 42 (2015) 8745–8752

《Hierarchical emotion classification and emotion component analysis on chinese micro-blog posts》   

（下周学术报告，该小敏同学讲这篇文章，先看看。后续可能在补充。--------------机器学习课，要求写一篇和自己方向有关的综述，所以现在要多看论文，多总结才好。）

《基于中文微博帖子的情感层次分类和情感成分分析》

摘要：现有的分类都很粗糙，如果数据集过大，则分类器在分类的时候就会很困难。本文应用数据预处理、特征提取、特征选取，把中文微博帖子进行很细粒度的分类。利用情感层次分类来提高分类器的性能。另外，基于回归值分类过程，我们提出了一个算法来挖掘主要的情感，并计算他们的比率。

 

主要内容：

1.情感分类

  1）四层的层次结构  

  2）预处理过程：①人名，@+人名；②话题，#话题#；ƒ链接；④位置信息，i am here

  3）特征提取：① 表情符号；②POS词性分析

  4）特征选取：χ 2 -test；PMI点互信息 

  5）分类：在支持向量机中采用 SVR package，两个参数 模型参数v和分类阈值。

2.情感成分分析：ECA算法

 

实验部分：

 

改进：

1.更新词典，使词典包含更多的情感词和微博中的俚语。

2.在算法中增加更多的特征来使结果达到更高的准确率。

3.3.作为微博中的一些具有讽刺意味的表达的帖子，需要更深的语义分析，情景分析和上下文分析。

 

注：

1.Meanwhile, SVM can apply to other fields, such as it can be trained with some features so as to identify a test image (Xia, Wang, Sun, & Wang, 2014) and so on.（Page 2）

2., Naive Bayesian, SVM, and SMO