基于依存关系和最大熵的特征-情感对分类

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于依存关系和最大熵的特征-情感对分类

张磊, 李珊, 彭舰, 陈黎, 黎红友

文章导航 > 电子科技大学学报 > 2014 > 43(3): 420-425

张磊, 李珊, 彭舰, 陈黎, 黎红友. 基于依存关系和最大熵的特征-情感对分类[J]. 电子科技大学学报, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

引用本文:

张磊, 李珊, 彭舰, 陈黎, 黎红友. 基于依存关系和最大熵的特征-情感对分类[J]. 电子科技大学学报, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

ZHANG Lei, LI Shan, PENG Jian, CHEN Li, LI Hong-you. Feature-Opinion Pairs Classification Based on Dependency Relations and Maximum Entropy Model[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

Citation:

ZHANG Lei, LI Shan, PENG Jian, CHEN Li, LI Hong-you. Feature-Opinion Pairs Classification Based on Dependency Relations and Maximum Entropy Model[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

基于依存关系和最大熵的特征-情感对分类

doi: 10.3969/j.issn.1001-0548.2014.03.018

张磊¹,
李珊²,
彭舰¹,
陈黎¹,
黎红友¹

1.
四川大学计算机学院成都 610065;
2.
四川大学商学院成都 610065

基金项目:

国家自然科学基金面上项目(71372189); 国家自然科学基金(61363019)

作者简介:
张磊(1978-),男,博士,主要从事Web数据挖掘、计算机网络、移动计算方面的研究.

中图分类号: TP391

Feature-Opinion Pairs Classification Based on Dependency Relations and Maximum Entropy Model

1.
School of Computer Science,Sichuan University Chengdu 610065;
2.
School Business,Sichuan University Chengdu 610065

摘要: 中文产品评论特征词与关联的情感词的分类是观点挖掘的重要研究内容之一. 该文改进了英文依存关系语法，总结出5种常用的中文产品评论依存关系; 利用最大熵模型进行训练，设计了基于依存关系的复合特征模板. 实验证明，应用该复合模板进行特征-情感对的提取，系统的查全率和F-score相比于传统方法，分别提高到78.68%和75.36%.
- 依存关系 /
- 特征-情感对 /
- 特征模板 /
- 最大熵 /
- Web数据挖掘
Abstract: In recent years, feature-opinion pairs classification of Chinese product review is one of the most important research field in Web data mining technology. In this paper, five types of Chinese dependency relationships for product review have been concluded based on the traditional English dependency grammar. The maximum entropy model is used to predict the opinion-relevant product feature relations. To train the model, a set of feature symbol combinations have been designed by means of Chinese dependency. The experiment result shows that the recall and F-score of our approach could reach 78.68% and 75.36% respectively, which is clearly superior to Hu's adjacent based method and Popesecu's pattern based method.
- dependency relations /
- feature-opinion pairs /
- feature template /
- maximum entropy model /
- Web data mining

[1]	张俐. 基因数据的交互依赖特征选择算法 . 电子科技大学学报, 2022, 51(5): 754-759. doi: 10.12178/1001-0548.2021136
[2]	潘侃, 尹春林, 王磊, 陈端兵. 基于特征工程的重要节点挖掘方法 . 电子科技大学学报, 2021, 50(6): 930-937. doi: 10.12178/1001-0548.2021106
[3]	郑文, 赵偲, 李泽堃, 武啸泽, 胡涛. 基于Web数据挖掘的COVID-19流行病学特征分析 . 电子科技大学学报, 2020, 49(3): 408-414. doi: 10.12178/1001-0548.2020079
[4]	桑葛楠, 韩筱璞. 科学家科研合作关系的均衡性特征 . 电子科技大学学报, 2019, 48(5): 786-793. doi: 10.3969/j.issn.1001-0548.2019.05.020
[5]	孙晶涛, 张秋余. 不均衡大数据集下的文本特征基因提取方法 . 电子科技大学学报, 2018, 47(1): 125-131. doi: 10.3969/j.issn.1001-0548.2018.01.019
[6]	蒋伟雄, 曾令李, 秦键, 刘华生, 沈辉, 王维. 利用动态功能连接对健康危险性行为特征的预测 . 电子科技大学学报, 2018, 47(6): 927-931. doi: 10.3969/j.issn.1001-0548.2018.06.020
[7]	肖宁聪, 周成宁, 张成林, 刘志亮. 混合不确定性下的结构可靠性分析方法 . 电子科技大学学报, 2018, 47(5): 788-792. doi: 10.3969/j.issn.1001-0548.2018.05.024
[8]	蒋伟雄, 刘华生, 廖坚, 李勇帆, 王维. 基于多维模式分析对说谎的脑网络特征识别 . 电子科技大学学报, 2015, 44(2): 311-315. doi: 10.3969/j.issn.1001-0548.2015.02.026
[9]	宋竹, 秦志光, 罗嘉庆, 张悦涵. 电信数据中用户行为特征测量与分析 . 电子科技大学学报, 2015, 44(6): 934-939. doi: 10.3969/j.issn.1001-0548.2015.06.024
[10]	孙永奎, 余志斌, 金炜东, 李坤贤. 高速列车监测数据的奇异性特征研究 . 电子科技大学学报, 2014, 43(3): 388-392. doi: 10.3969/j.issn.1001-0548.2014.03.012
[11]	何红洲, 周明天. 基于互信息量的生物信息数据特征标注方法 . 电子科技大学学报, 2013, 42(6): 916-920. doi: 10.3969/j.issn.1001-0548.2013.06.020
[12]	王振松, 刘晓云, 陈武凡. 特征点对引导的医学图像弹性配准方法 . 电子科技大学学报, 2012, 41(3): 471-476. doi: 10.3969/j.issn.1001-0548.2012.03.029
[13]	王卫星, 王李平, 赖均, 李婷婷. 基于类间最大交叉熵的坎尼边界扫描 . 电子科技大学学报, 2010, 39(3): 402-406,434.
[14]	于江德, 李学钰, 樊孝忠, 庞文博. 最大熵模型的事件分类 . 电子科技大学学报, 2010, 39(4): 612-616. doi: 10.3969/j.issn.1001-0548.2010.04.030
[15]	姜群, 李祖枢, 欧阳, 董世都, 邱小平. 在子集条件约束下的最大熵分布及其应用 . 电子科技大学学报, 2008, 37(1): 94-96,123.
[16]	于泠, 陈波. 入侵数据特征并行选择算法 . 电子科技大学学报, 2008, 37(2): 266-269.
[17]	王金龙, 徐从富, 徐娇芬, 骆国靖. 利用销售数据的商品影响关系挖掘研究 . 电子科技大学学报, 2007, 36(6): 1282-1285.
[18]	童玲, 陈光. 测量数据处理中的Bayes理论与最大熵方法 . 电子科技大学学报, 2007, 36(1): 77-78,85.
[19]	傅彦, 周俊临, 吴跃. 快速神经网络无损压缩方法研究 . 电子科技大学学报, 2007, 36(6): 1245-1248.
[20]	谭扬波, 陈光. 一种基于最大模糊熵的高斯聚类算法 . 电子科技大学学报, 2000, 29(3): 269-272.

WeChat

点击查看大图

计量

文章访问数: 4133
HTML全文浏览量: 147
PDF下载量: 54
被引次数: 0

基于依存关系和最大熵的特征-情感对分类

doi: 10.3969/j.issn.1001-0548.2014.03.018

1. 四川大学计算机学院成都 610065;

2. 四川大学商学院成都 610065

基金项目:

国家自然科学基金面上项目(71372189); 国家自然科学基金(61363019)

作者简介:
张磊(1978-),男,博士,主要从事Web数据挖掘、计算机网络、移动计算方面的研究.

收稿日期: 2012-12-03
修回日期: 2013-10-09
刊出日期: 2014-06-15

中图分类号: TP391

关键词:

摘要: 中文产品评论特征词与关联的情感词的分类是观点挖掘的重要研究内容之一. 该文改进了英文依存关系语法，总结出5种常用的中文产品评论依存关系; 利用最大熵模型进行训练，设计了基于依存关系的复合特征模板. 实验证明，应用该复合模板进行特征-情感对的提取，系统的查全率和F-score相比于传统方法，分别提高到78.68%和75.36%.

English Abstract

张磊, 李珊, 彭舰, 陈黎, 黎红友. 基于依存关系和最大熵的特征-情感对分类[J]. 电子科技大学学报, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

引用本文:

张磊, 李珊, 彭舰, 陈黎, 黎红友. 基于依存关系和最大熵的特征-情感对分类[J]. 电子科技大学学报, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

ZHANG Lei, LI Shan, PENG Jian, CHEN Li, LI Hong-you. Feature-Opinion Pairs Classification Based on Dependency Relations and Maximum Entropy Model[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

Citation:

ZHANG Lei, LI Shan, PENG Jian, CHEN Li, LI Hong-you. Feature-Opinion Pairs Classification Based on Dependency Relations and Maximum Entropy Model[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(3): 420-425. doi: 10.3969/j.issn.1001-0548.2014.03.018

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发