Mixed-Fisher特征云模型聚类在文本情感分类中的应用

来源：计算机科学与探索杂志2016年第9期北京时间：

作者：邢玉娟，郭显，谭萍，李明

单位：1. 兰州文理学院 数字媒体学院，兰州 7300002. 兰州理工大学 计算机与通信学院，兰州 730050

摘要：海量网络信息的出现，使得提取文本信息情感观点成为研究的热点。针对文本情感分类中文本信息模糊及分类准确率低的问题，提出了一种基于Mixed-Fisher特征选择的文本云向量模型聚类算法。该算法首先分别计算文档中各个词性特征项的Fisher判别比，根据Fisher判别比越大特征向量判别性越强的Fisher准则，选择Fisher比值较大的前q个特征，并按照词性进行组合生成文档的Mixed-Fisher特征向量。然后在Mixed-Fisher特征向量集上构建文档的云向量模型，根据云向量模型间的差异度对模型进行聚类和合并。将该算法应用于文本情感观点的分类，选择核Fisher判别技术用于最终文本观点的判定。仿真实验结果表明，基于Mixed-Fisher特征的云向量聚类模型的分类准确率明显优于传统向量空间模型，从而验证了核Fisher判别技术的有效性。

关键词：文本情感分类,Fisher判别比,词性特征,云向量模型,核Fisher判别