摘要
针对文本主观性分析性能不足问题,提出了一种句子级主观情感提取的模糊神经模型。该模型利用不借助词法分析的特征选择方法抽取情感特征,通过对神经网络的输入模糊化操作,从而实现了句子级的主观性检测。通过在多个数据集上的测试表明,该方法具有较高的主观性检测准确率,是一种可靠的情感分析方法,对跨语言的主观性分析有明显意义。
Aiming at the low performance problem in sentiment analysis related fields, this paper proposed a neuro-fuzzy model-based opinion detection method. The novel model firstly used a lexical-knowledge-free strategy to achieve language independent feature selection. Secondly,it used a fuzzy theory based neural network method, implemented the sentence level subjectivity detection. Experimental results on several datasets reveal that the method has ideal precision in opinion detection. It is a outstanding opinion detection method and has significance in cross language sentiment analysis.
出处
《计算机应用研究》
CSCD
北大核心
2017年第6期1647-1649,共3页
Application Research of Computers
基金
2015年度国家社科基金一般项目(15BXW042)
国家档案局2014年科技基金项目(2014-X-65)
四川文理学院智能计算与物联网工程技术中心资助项目
关键词
情感分析
主观性检测
模糊集
神经网络
特征选择
sentiment analysis
opinion detection
fuzzy set
neural networks
feature selection
