基于SVM 的高维混合特征短文本情感分类

来源：计算机技术与发展杂志2018年第02期北京时间：

作者：王义真;郑啸;后盾;胡昊

摘要：针对短文本具有的稀疏性、不规范性、主题不明确性等相关特点，提出一种基于 SVM 的高维混合特征模型。首先介绍了兼顾语义和情感的 6 类特征:表情符号特征、词聚类特征、词性标注特征、n－gram 特征、否定特征和情感词典。其中主要介绍了该 6 类特征的概念、抽取方式以及输出形式;其次在第六届中文倾向性分析评测(COAE2014)为基础的数据集上，采用 5 折交叉的方法对该模型进行了有效性验证，其平均准确率为 84．69%、平均召回率为 83．13%，而平均 F 1 值为 83．90%;接着探讨了 SVM 惩罚系数对实验的影响;最后将该模型与一步三分类方法、Ｒecursive Auto Encoder、Doc2vec 做了对比分析，结果表明提出的模型对短文本情感分类更有效。

关键词：情感分类;混合特征;支持向量机;情感词典