基于LS-SO算法的情感文本分类方法

吉林大学学报(理学版) ›› 2019, Vol. 57 ›› Issue (2): 375-379.

基于LS-SO算法的情感文本分类方法

姚艳秋^1, 郑雅雯^2, 吕妍欣^1

1. 长春师范大学计算机科学与技术学院, 长春 130032； 2. 吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2018-06-06 出版日期:2019-03-26 发布日期:2019-03-26
通讯作者: 姚艳秋 E-mail:yaoautumn@163.com

Emotional Text Classification Method Based on LS-SO Algorithm

YAO Yanqiu¹, ZHENG Yawen², LV Yanxin¹

1. College of Computer Science and Technology, Changchun Normal University, Changchun 130032, China;2. College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2018-06-06 Online:2019-03-26 Published:2019-03-26
Contact: YAO Yanqiu E-mail:yaoautumn@163.com

摘要/Abstract

摘要： 首先, 基于点互信息与信息检索(PMIIR)算法, 提出一种Laplace平滑情感判定(LS-SO)算法, 对情感词典与表情符号情感词典进行自动扩充, 得到了具有一定规模、高质量的情感词典, 包括基础情感词典、目标情感词典、网络用语情感词典、表情符号情感词典、否定词词典、疑问词词典、程度副词词典和连词词典. 其次, 通过细化文本语义分析规则计算文本情感值. 实验结果验证了该方法的有效性.

关键词: 情感文本分类, 情感词典, 点互信息与信息检索（PMI-IR）算法, Laplace平滑情感判定（LS-SO）算法

Abstract: Firstly, based on the pointwise mutual informationinformation retrieval (PMIIR) algorithm, we proposed Laplace smoothing
sentiment opinion (LSSO) algorithm, which automatically expanded the emotional dictionary and the emotional dictionary of emotive symbols. A certain scale and high quality emotional dictionary was obtained, including basic
emotional dictionary, target emotional dictionary, online emotional dictionary, emotional dictionary of emotive symbols, negative dictionary, interrogative dictionary, degree adverb dictionary, conjunction dictionary. Then, the emotional value of text was calculated by refining the rules of text semantic analysis. The experimental results verified the effectiveness of the proposed method.

Key words: emotional text classification, emotional dictionary, pointwise mutual informationinformation retrieval (PMI-IR) algorithm, Laplace smoothingsentiment opinion (LS-SO) algorithm

中图分类号:

TP391

姚艳秋, 郑雅雯, 吕妍欣. 基于LS-SO算法的情感文本分类方法[J]. 吉林大学学报(理学版), 2019, 57(2): 375-379.

YAO Yanqiu, ZHENG Yawen, LV Yanxin. Emotional Text Classification Method Based on LS-SO Algorithm[J]. Journal of Jilin University Science Edition, 2019, 57(2): 375-379.

[1]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[2]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[3]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[4]	孙启隆, 于萍, 司振惠, 郭鑫, 王岩. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1179-1187.
[5]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[6]	胡雅婷, 陈营华, 宝音巴特, 曲福恒, 李卓识. 一种增量式MinMax k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1205-1211.
[7]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[8]	蒲晓川, 黄俊丽, 祁宁, 宋长松. 基于密度信息熵的K-means算法在客户细分中的应用[J]. 吉林大学学报(理学版), 2021, 59(5): 1245-1251.
[9]	焦冲, 苏科华, 吴博文, 任术波, 辛宁. 一种基于局部平均法向变形的网格参数化方法[J]. 吉林大学学报(理学版), 2021, 59(4): 867-876.
[10]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[11]	孙俊, 才华, 朱新丽, 胡浩, 李英超. 基于双重注意力机制的深度人脸表示算法[J]. 吉林大学学报(理学版), 2021, 59(4): 883-890.
[12]	傅博, 王瑞子, 王丽妍, 张湘怡. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报(理学版), 2021, 59(4): 891-899.
[13]	李晓峰, 李东, 王妍玮. 基于深度残差网络的医学超声图像多尺度边缘检测算法[J]. 吉林大学学报(理学版), 2021, 59(4): 900-908.
[14]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[15]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.