改进的基于知网词汇语义褒贬倾向性计算

doi:10.3778/j.issn.1002-8331.2009.21.026

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (21): 91-93.DOI: 10.3778/j.issn.1002-8331.2009.21.026

改进的基于知网词汇语义褒贬倾向性计算

杨昱昺，吴贤伟

宁波大红鹰学院电子信息学院，浙江宁波 315175

收稿日期:2009-03-03 修回日期:2009-04-29 出版日期:2009-07-21 发布日期:2009-07-21
通讯作者: 杨昱昺

Improved lexical semantic tendentiousness recognition computing

YANG Yu-bing，WU Xian-wei

Electronic Information Branch，Ningbo Dahongying College，Ningbo，Zhejiang 315175，China

Received:2009-03-03 Revised:2009-04-29 Online:2009-07-21 Published:2009-07-21
Contact: YANG Yu-bing

摘要/Abstract

摘要： 词汇语义褒贬倾向性研究是句子褒贬倾向性识别的基础，而句子褒贬倾向性识别又是文本倾向性识别和篇章结构褒贬倾向性识别的基础。以《知网》的词汇语义相似度计算为基础，针对目前采用计算基准词对与词汇相似度的方法识别词汇褒贬倾向性理论，从褒贬基准词和计算公式入手，提出了改进办法。实验证明，在同样基准词对下，准确率得到了很大的提高，达到98.94%，具有实际应用价值。

关键词: 语义相似度, 倾向性识别, 知网, 褒贬基准词

Abstract: Lexical semantic tendentiousness recognition computing is the base of the sentence tendentiousness，and the sentence tendentiousness recognition is the text tendentiousness recognition and the chapter structure tendentiousness recognition foundation.Based on HowNet lexical semantic similarity computing，according to the current vocabulary appraise tendentious theory used by the method of computing similarity between words and benchmark words，from appraise benchmark words and computing formula，the paper puts forward an improved method.With experiment validation，in the same pair of benchmark words，accuracy rate has greatly been improved，arriving at 98.94%，there is some value in practical application.

Key words: semantic similarity, tendentiousness recognition, HowNet, appraise benchmark words

杨昱昺，吴贤伟. 改进的基于知网词汇语义褒贬倾向性计算[J]. 计算机工程与应用, 2009, 45(21): 91-93.

YANG Yu-bing，WU Xian-wei. Improved lexical semantic tendentiousness recognition computing[J]. Computer Engineering and Applications, 2009, 45(21): 91-93.

[1]	乔伟涛，黄海燕，王珊. 基于Transformer编码器的语义相似度算法研究[J]. 计算机工程与应用, 2021, 57(14): 158-163.
[2]	葛妍娇，郭宇，黄少华，刘道元，张蓉. 基于智能感知网的物料配送动态优化方法[J]. 计算机工程与应用, 2019, 55(22): 212-218.
[3]	张新1，白马波1，王帆2. 认知网中基于联盟博弈的资源分配与功率控制[J]. 计算机工程与应用, 2019, 55(14): 76-82.
[4]	高永兵1，张贵娟1，胡文江1，马占飞2. 基于后缀树算法的地区微博摘要技术研究[J]. 计算机工程与应用, 2018, 54(9): 126-132.
[5]	韩学仁1，王青山1，郭勇1，崔兴亚2. 基于PSO-BP算法的地理本体概念语义相似度度量[J]. 计算机工程与应用, 2017, 53(8): 32-37.
[6]	陈红阳，汪林林，鲁江坤，唐志，王飞雪. 基于双态模型的微博话题跟踪方法研究[J]. 计算机工程与应用, 2017, 53(16): 144-148.
[7]	邱云飞，赵彬，林明明，王伟. 结合语义改进的K-means短文本聚类算法[J]. 计算机工程与应用, 2016, 52(19): 78-83.
[8]	张森，曹晖. 基于《知网》概念定义的情感词典构建研究[J]. 计算机工程与应用, 2015, 51(17): 118-123.
[9]	欧阳柳波，谭睿哲. 一种基于本体和用户日志的查询扩展方法[J]. 计算机工程与应用, 2015, 51(1): 151-155.
[10]	董丽丽1，李欢1，张翔1，刘闫锋2. 一种中文领域概念词自动提取方法研究[J]. 计算机工程与应用, 2014, 50(6): 127-131.
[11]	于洪志，夏建华，万福成，陈新一. 基于藏语句多特征融合的主观题自动评分算法[J]. 计算机工程与应用, 2014, 50(5): 216-220.
[12]	蒋盛益1，阳垚2，廖静欣1. 中文音乐情感词典构建及情感分类方法研究[J]. 计算机工程与应用, 2014, 50(24): 118-121.
[13]	王旭阳，万里. 信息检索中语义相似度算法研究[J]. 计算机工程与应用, 2014, 50(10): 124-127.
[14]	张玉芳，张泓博，熊忠阳. 语义相似度计算在语义标注中的应用[J]. 计算机工程与应用, 2013, 49(4): 153-156.
[15]	赵晓玲，郭钢，董元发. 基于知识使用场景的知识推送方法研究[J]. 计算机工程与应用, 2013, 49(22): 132-135.

改进的基于知网词汇语义褒贬倾向性计算

Improved lexical semantic tendentiousness recognition computing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics