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]	贺怀清, 翟羽佳, 刘浩翰, 惠康华. 基于特征增强的3D目标检测模型ICasA[J]. 吉林大学学报(理学版), 2026, 64(4): 823-0834.
[2]	胡亨伍, 李松涛. 基于小波相位滤波的X光图像多层次模糊增强方法[J]. 吉林大学学报(理学版), 2026, 64(4): 835-0841.
[3]	熊哲源, 汪灿华, 郑炳城, 沈志伟. 基于改进注意力W-Net的超声图像分割算法[J]. 吉林大学学报(理学版), 2026, 64(4): 842-0848.
[4]	唐菁敏, 罗浩天, 虞贵财. 人工噪声辅助的无人机通感一体化安全波束成形[J]. 吉林大学学报(理学版), 2026, 64(4): 879-0886.
[5]	王红斌, 张煊赫, 侯明辉. 基于层级知识增强和义原知识的中文隐式情感分析[J]. 吉林大学学报(理学版), 2026, 64(3): 568-0580.
[6]	陈海鹏, 孔鸣, 张洪语, 孙宝胜. 基于边界感知与特征融合的病理图像分割网络[J]. 吉林大学学报(理学版), 2026, 64(3): 581-0590.
[7]	高凯, 王晟宇, 付强, 才华, 张晨洁, 王伟刚. 基于多层级交互式特征融合的三维目标检测算法[J]. 吉林大学学报(理学版), 2026, 64(3): 591-0602.
[8]	张弄, 徐哲文, 刘长征. 基于领域先验知识的时空神经网络模型在MJO预报中的应用[J]. 吉林大学学报(理学版), 2026, 64(3): 617-0626.
[9]	张书达, 李慧盈. 融合欧氏与双曲几何的深度度量学习方法[J]. 吉林大学学报(理学版), 2026, 64(2): 284-0290.
[10]	吴建, 王兴旺, 孙亚峰, 于美铭. 基于多压缩机制协同的轻量化模型在课堂行为检测中的应用[J]. 吉林大学学报(理学版), 2026, 64(2): 301-0310.
[11]	姜昀奇, 韩晓同, 田原. 基于大语言模型与适配器驱动的知识图谱补全算法[J]. 吉林大学学报(理学版), 2026, 64(2): 291-0300.
[12]	路扬, 张学沛, 马小蕾, 王一博, 白金峰. 基于多模态自适应融合的呼吸频率预测方法[J]. 吉林大学学报(理学版), 2026, 64(2): 319-0328.
[13]	金先进, 张晋恒, 杨建平, 孙晓海, 周兵. 基于改进YOLOv9的玉米幼苗轻量级杂草检测模型Weed-YOLO[J]. 吉林大学学报(理学版), 2026, 64(2): 329-0343.
[14]	刘爽, 吕俊良, 秦宇航, 秦丹丹, 孙佳慧. 基于YOLOv8的PCB缺陷检测改进算法[J]. 吉林大学学报(理学版), 2026, 64(2): 344-0350.
[15]	廉雄杰, 董振. 基于XLM-RoBERTa-Large-Finetuned-Conll03-English模型结合CRF的中文命名实体识别微调优化方法[J]. 吉林大学学报(理学版), 2026, 64(2): 370-0376.