单词统计特性在情感词自动抽取和商品评论分类中的作用

来源：计算机应用研究杂志2019年第3期北京时间：

作者：韩彤晖,杨东强,马宏伟,

单位：山东建筑大学计算机科学与技术学院,济南250100；

摘要：单词的统计特征在自然语言处理中具有广泛应用。针对统计特征对关键词抽取和文本分类精确度的影响，分析了八种常见的统计特征，通过情感词抽取和商品评论分类，研究统计特征在情感分析领域中的作用。利用八种统计特征构造文本向量空间模型，替代基于单词构造文本向量空间模型的方法，能够降低文本向量的维度，具有隐形语义空间（LSA/SVD）的压缩效果，在保证分类结果准确率的前提下有效降低了算法的复杂度，能够替代传统的向量空间模型。情感词提取实验的结果表明，通过结合统计特征与词性，情感词提取的准确率能够达到76.4%，显著高于基于统计特征或单词词性的情感词提取算法；商品评论分类的测试结果表明，与传统的基于单词的文本情感分类相比，基于统计特征的商品评论分类的准确率提高了10.8%。

关键词：统计特征,情感词提取,商品评论分类,

基金资助：国家教育部人文社会科学研究一般项目基金资助项目(15YJA740054)；；