中国综合性科技类核心期刊(北大核心)

中国科学引文数据库来源期刊(CSCD)

美国《化学文摘》(CA)收录

美国《数学评论》(MR)收录

俄罗斯《文摘杂志》收录

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于词典与语料结合的中文微博主观句抽取方法

朱海欢 余青松

朱海欢, 余青松. 基于词典与语料结合的中文微博主观句抽取方法[J]. 华东师范大学学报(自然科学版), 2014, (4): 62-68, 87.
引用本文: 朱海欢, 余青松. 基于词典与语料结合的中文微博主观句抽取方法[J]. 华东师范大学学报(自然科学版), 2014, (4): 62-68, 87.
ZHU Hai-huan, YU Qing-song. Study on the extraction of Chinese microblog subjective sentences based on lexicon and corpus[J]. Journal of East China Normal University (Natural Sciences), 2014, (4): 62-68, 87.
Citation: ZHU Hai-huan, YU Qing-song. Study on the extraction of Chinese microblog subjective sentences based on lexicon and corpus[J]. Journal of East China Normal University (Natural Sciences), 2014, (4): 62-68, 87.

基于词典与语料结合的中文微博主观句抽取方法

基金项目: 

null

详细信息
  • 中图分类号: TP39

Study on the extraction of Chinese microblog subjective sentences based on lexicon and corpus

Funds: 

null

  • 摘要: 提出一种基于词典与语料结合的中文微博主观句抽取方法, 通过判断句子中是否包含情感表达文本来判断句子是否为主观句. 首先, 从现有的情感词典中挑选出情感倾向较为固定的情感词构建了一个高可信情感词典, 用于抽取句子中的情感表达文本, 保证情感表达文本抽取的准确率; 然后提出~N-POSW~模型, 并基于~2-POS~W模型通过语料学习的方法较为准确地抽取句子中的剩余情感表达文本, 保证了情感表达文本抽取的召回率. 实验结果表明, 相比于传统的基于大规模情感词典的方法, 本文方法主观句抽取的F值提高了7%.
  • [1] {1} KIM S M, HOVY E. Automatic detection of opinion bearing words and sentences[C]//Companion Volume to the Proceedings of the International Joint Conference on Natural Language Processing (IJCNLP). Berlin: Springer, 2005: 61-66.
    {2} WIEBE J, WILSON T, BELL M. Identifying collocations for recognizing opinions[C]//Proceedings of the ACL'01 Workshop on Collocation: Computational Extraction, Analysis, and Exploitation. Toulouse, FR: ACL, 2001: 24-31.
    {3} WIEBE J, WILSON T. Learning to disambiguate potentially subjective expressions[C]//Proceedings of the 6th conference on Natural language learning-Volume 20. Stroudsburg, PA: Association for Computational Linguistics, 2002: 1-7.
    {4} WILSON T, WIEBE J, HWA R. Just how mad are you? Finding strong and weak opinion clauses[C]//Proceedings of the National Conference on Artificial Intelligence. Menlo Park, CA; MIT Press; 1999, 2004: 761-769.
    {5} WILSON T, WIEBE J, HEA R. Recognizing strong and weak opinion clauses[J]. Computational Intelligence. 2006, 22(2): 73-99.
    {6} PANG B, LEE L. A sentimental education: Sentiment analysis using subjectivity summarization based on minimum cuts[C]//Proceedings of the 42nd annual meeting on Association for Computational Linguistics. [S.l.]: Association for Computational Linguistics, 2004: 271-278.
    {7} LONG J, MO Y. Target-dependent Twitter Sentiment Classification [C]//Proceeding of the 49th Annual meeting of the Association for Computational Linguistics. Stroudsburg, PA: ACL, 2011: 151-160.
    {8} 叶强, 张紫琼, 罗振雄. 面问互联网评论情感分析的中文主观性自动判别方法研究[J]. 信息系统学报, 2007, 1(1): 7-91.
    {9} 张博. 基于~SVM~的中文观点句抽取[D]. 北京邮电大学, 2011.
    {10} 杨武, 宋静静, 唐继强. 中文微博情感分析中主客观句分类方法[J]. 重庆理工大学学报: 自然科学. 2013, 27(1): 51-56.
    {11} 董振东, 董强. 知网简介[DB/OL]. [2013-7-20]. http://www.keenage.com.
    {12} 台湾大学NTUSD-简体中文情感极性词典[DB/OL]. [2013-7-20]. http://www.datatang.com/data/11837.
    {13} ICTCLAS ICTLAS汉语分词系统[DB/OL]. [2014-06-10]. http://www.ictclas.org.
    {14} 中文信息技术专业委员会. 中文微博情感分析评测[EB/OL]. [2013-7-20]. http://tcci.ccf.org.cn/conference/2012/pages/page04_eva.html.
  • 加载中
计量
  • 文章访问数:  952
  • HTML全文浏览量:  6
  • PDF下载量:  2031
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-07-01
  • 修回日期:  2013-10-01
  • 刊出日期:  2014-07-25

目录

    /

    返回文章
    返回