社交网络评论文本存在评论主题缺失或情感特征缺失的问题,无法保证观点检测的性能,对此提出了建立实体情感演化贝叶斯置信网的方法。通过提取名词、动宾短语、动名词复合型定中结构短语三种域相关实体,提取域相关情感特征,用可变关联强度作为网络结构学习的约束条件,建立2阶依赖扩展贝叶斯网络,刻画实体、观点及情感特征的依赖关系,再通过实体及情感特征对观点极性进行推断。实验在自然语言处理与中文计算2016(NLP&CC2016)评测训练数据集的F值平均达70. 8qo,FAVOR和ACAINST两类正确率分别比仅包含情感特征的贝叶斯网络分类方法提高4.1个百分点和3.1个百分点。在5个Target评论测试集上的平均Micro-F为62. 3qo,优于该评测的平均水平。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !