基于ER Rule 的多分类器汽车评论情感分类研究
点击次数：
发表刊物：运筹与管理（CSCD扩，FMS T2，北核）
关键字：证据推理规则；多分类器融合；ＴＦＩＤＦ 权重；深度学习算法；集成学习算法
摘要：该文针对汽车评论语料的情感二分类问题，提出一种基于证据推理规则的多分类器融合的情感分类方法。 在情感特征构建方面，通过实验对比不同特征模型对分类结果的影响，并改进传统的 ＴＦＩＤＦ 权重计算方法。 同时， 在此基础上使用 ＥＲ Ｒｕｌｅ 融合不同分类器进行文本情感极性分析，并考虑各分类器的权重和可靠度。 最后，爬取 汽车网站上的评论数据对上述方法进行测试，并用公开的中文酒店评论语料数据进行了验证，结果表明该方法能 够有效集成不同分类器的优点，与传统机器学习分类算法相比，其结果在 Ｒｅｃａｌｌ，Ｆ１ 值和 Ａｃｃｕｒａｃｙ 三个指标上得到 了提高，与目前流行的深度学习算法和集成学习算法相比，其结果总体占优。
合写作者：周雅婧,贺洋,方必和
第一作者：周谧
论文类型：期刊论文
学科门类：管理学
文献类型：J
卷号：33
期号：5
页面范围：161-168
是否译文：否
发表时间：2024-05-10