李霄
- 作品数：5 被引量：62H指数：4
- 供职机构：南京理工大学经济管理学院信息管理系更多>>
- 发文基金：国家自然科学基金国家社会科学基金教育部人文社会科学研究基金更多>>
- 相关领域：文化科学自动化与计算机技术哲学宗教更多>>
- 基于SVM的中文微博情绪分析研究被引量：9
- 2016年
- 文章以中文微博为研究对象,结合心理学和自然语言处理,将微博情绪划分为乐、怒、哀、恶、惧五大类。然后在类别划分的基础上,使用情感特征、句式特征、句间特征来表示微博情绪,并借助于SVM模型形成了微博情绪分类模型。最后借助NLP&CC 2013的公开评测数据对提出的模型进行了验证,实验结果表明本文所提的方法是有效的。
- 丁晟春王颖李霄
- 关键词：情绪分析SVM
- 基于内容挖掘的话题微博情感分析研究
- 微博作为新兴的社交网络媒体，凭借其发布的便捷性、阅读的及时性，成为了人们获取信息与对外交流的主要媒介。微博含有多个话题，其中包含了许多有价值的信息。对这些话题微博进行情感分析，可以进行辅助政府进行网络舆情监控，可以给企业...
- 李霄
- 关键词：情绪分析SVM模型
- 文献传递
- 垃圾商品评论信息的识别研究被引量：32
- 2013年
- 从信息有用性的角度对垃圾商品评论信息进行分析,选择数码领域的相机评论作为研究对象,构建数据集,从评论、评论者和被评论的商品三个方面选择11个特征,使用支持向量机模型中4种常用的核函数进行垃圾商品评论的识别,对识别效果较好的RBF核函数中的参数C和γ进行优化,使得商品评论中的垃圾评论识别的准确率提高到78.16%,召回率提高到72.18%,并选取4种不同特征组合进行对比,证明评论、评论者和被评论的商品三大特征组合的效果最好,最后通过与Logistic回归模型的对比,验证SVM对垃圾评论的识别效果明显优于其他算法。
- 李霄丁晟春
- 关键词：SVM垃圾评论核函数
- 面向中文微博的观点句识别研究被引量：11
- 2014年
- 中文微博包含了用户对热点话题的观点，对其进行观点挖掘可以实现突发事件预警、舆情监控等。目前，微博研究多数基于英文语料，中文微博观点句的挖掘大多混淆在情感挖掘中少量提及，由于中文微博特殊的语体特征，导致传统中文文本观点挖掘模型无法取得理想效果。区别于已有的情感挖掘工作，本文依据中文微博的语体特征分析结果选取特征，除了选取情感特征外，还加入主张性动词、语气词、程度副词以及固定词性结构等观点句特征，采用CRFs模型进行观点句识别研究。实验结果表明，仅选取情感特征准确率较高，但召回率仅为32.1％。而加入其他观点句特征后，召回率显著提高到61.8％。该方法应用于2012年中国计算机学会（CCF）组织的“观点句识别”测评任务中，取得了很好的效果。
- 丁晟春孟美任李霄
- 关键词：语体特征
- 基于CRFs和领域本体的中文微博评价对象抽取研究被引量：10
- 2016年
- 微博情感分析是对微博内容进行细粒度的挖掘,有着重要的研究价值。微博评价对象的抽取是微博情感分析研究的关键问题之一。为了提高中文微博评价对象抽取的准确率,该文在中文微博特征分析和微博评论本体构建研究的基础上,尝试从词、词性、情感词以及本体四个方面进行特征选择,采用CRFs模型对评价对象进行抽取。该文将提出的方法运用到COAE2014测评的Task5评价对象抽取任务中,宏平均准确率达到61.20%,在所有测评队伍中居第一。实验结果表明,将本体特征引入到CRFs模型中,能够有效地提高评价对象抽取的准确率。
- 丁晟春吴婧婵媛李霄
- 关键词：本体评价对象抽取信息抽取
