- 年份
- 2017(1)
- 2014(1)
- 2010(1)
- 核心收录
- 北京大学中文核心期刊目录(北大核心)(3)
- 中国科学引文数据库(CSCD)(2)
- 中国科技论文与引文数据库(CSTPCD)(2)
- 中国人文社会科学引文数据库(CHSSCD)(1)
- 中文社会科学引文索引(CSSCI)(1)
- 更多...
- 刊名
- 情报杂志(1)
- 电子学报(1)
- 计算机工程与应用(1)
- 作者单位
- 武汉大学(1)
- 河南大学(1)
- 语种
- 汉语(3)
- 关键词
- 极性分类(3)
- co-training学习(1)
- 主题识别(1)
- 依存关系分析(1)
- 依存关系词性对(1)
- 半监督学习(1)
- 情感分析(1)
- 情感标签(1)
- 网络舆情(1)
- 网络评论(1)
- 更多...
- 作者
- 何中市(1)
- 周孟(1)
- 张磊(1)
- 张行文(1)
- 朱福喜(1)
- 李光敏(1)
- 李培(1)
- 杨朋英(1)
- 黄永文(1)
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 3 条结果
- 面向网络舆情的评论文本情感分析研究北大核心CHSSCDCSSCI
- 基于依存关系分析的网络评论极性分类研究北大核心CSCDCSTPCD
- 基于情感标签的极性分类北大核心CSCDCSTPCD摘要:情感极性分析是文本挖掘中一种非常重要的技术.然而在不同领域中,很多情感极性分类系统存在分类精度低和缺少大量标注数据的缺陷.针对这些问题,提出了一种基于情感标签的极性分类方法.首先通过所有文本建立Sentiment-Topic模型,抽取出文本的情感标签;然后利用情感标签将文本划分为两个子文本,并通过Co-training算法对子文本进行分类;最后合并两个子文本的分类结果,并确定文本的情感极性.实验结果表明该方法具有较高的分类精度,而且不需要大量的分类样本.