基于優(yōu)化的IG與RBF的SVM文本情感分類研究.pdf

1、近年來網(wǎng)絡(luò)信息隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展在急劇增長，同時(shí)國家主席習(xí)近平也提出了互聯(lián)網(wǎng)+的概念，因此在互聯(lián)網(wǎng)中產(chǎn)生了大量、且具有研究價(jià)值的文本信息，如互聯(lián)網(wǎng)參與人員發(fā)表的關(guān)于個(gè)人態(tài)度的一些主觀信息，包括立場、建議、情緒等。對(duì)這些數(shù)據(jù)進(jìn)行挖掘和研究具有很大的價(jià)值。文本情感分類就是對(duì)文本信息進(jìn)行分析、研究的一種方法，目前主要文本情感分析方法主要分為兩類，基于語義理解和基于機(jī)器學(xué)習(xí)的文本情感分類，而本文正是對(duì)其中的基于SVM機(jī)器學(xué)習(xí)的相關(guān)方法及算法進(jìn)

2、行研究。
　　在本文中所進(jìn)行的研究工作主要有以下三個(gè)方面：
　　第一，對(duì)信息增益（IG）特征選擇方法進(jìn)行深入研究，并對(duì)其目前存在的問題提出了相關(guān)解決辦法和方案。
　　首先本文通過對(duì)相關(guān)文獻(xiàn)的閱讀和研究發(fā)現(xiàn)特征選擇方法忽略了特征項(xiàng)在類別間和類別內(nèi)分布對(duì)特征選擇的影響，從而導(dǎo)致特征選擇存在偏頗，因而本文在傳統(tǒng)特征選擇方法的基礎(chǔ)上引入了類別內(nèi)特征頻率、類別間的特征頻率兩個(gè)計(jì)算因子，進(jìn)而使其對(duì)文本特征進(jìn)行更合理的選取，將此改進(jìn)

3、應(yīng)用到文本情感分類中，尋求分類效率的提高，然后用實(shí)驗(yàn)進(jìn)行分類結(jié)果驗(yàn)證。
　　第二，對(duì)支持向量機(jī)（SVM）中核函數(shù)進(jìn)行了研究，對(duì)常用的高斯核函數(shù)（RBF）進(jìn)行微調(diào)，并將其應(yīng)用到組合函數(shù)中。
　　首先本文通過對(duì)基于SVM機(jī)器學(xué)習(xí)的文本情感分類的研究發(fā)現(xiàn)，核函數(shù)對(duì)將SVM文本情感分類結(jié)果具有很大的影響，進(jìn)而進(jìn)一步的對(duì)常用幾種核函數(shù)進(jìn)行了深入研究，發(fā)現(xiàn)RBF具有很好的性能，且組合核函數(shù)性能比單核更好。但RBF存在著遠(yuǎn)離測(cè)試點(diǎn)處泛化、