在线电影评论倾向性分类算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 91-93.

在线电影评论倾向性分类算法研究

张建刚1，2，3，彭勤科1，2，3，康雪姣1，3

1.西安交通大学机械制造系统工程国家重点实验室，西安 710049
2.西安交通大学智能网络与网络安全教育部重点实验室，西安 710049
3.西安交通大学电信学院系统工程研究所，西安 710049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Research on tendency classification algorithm for online movie comment

ZHANG Jiangang1，2，3，PENG Qinke1，2，3，KANG Xuejiao1，3

1.State Key Laboratory for Manufacturing Systems Engineering，Xi’an Jiaotong University，Xi’an 710049，China
2.MOE Key Laboratory for Intelligent Networks and Network Security，Xi’an Jiaotong University，Xi’an 710049，China
3.System Engineering Institute，School of Electronic and Information，Xi’an Jiaotong University，Xi’an 710049，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 研究网络在线评论的倾向性分类能够及时了解民众对当前事件、热点话题的态度和心理状态，从而为相关领域的决策提供依据。针对网络在线电影评论倾向性分类问题，提出了基于网络词语扩展及属性约简的解决算法，该算法利用相关度测量对垃圾评论进行剔除，针对网络语言自身特点对其属性进行扩展，使用词频和信息增益分两步进行特征选择，构建特征属性进行分类。实验结果表明，使用该算法后，分类准确率等各项指标得到了提高。

关键词: 在线评论, 属性约简, 垃圾评论过滤, 支持向量机, 倾向性分类

Abstract: The research on online comments can promptly understand the public’s attitudes and mental states to current events and hot topics，so it can provide basis for the decision-making for the relative fields.In this paper，an algorithm based on extension of network words and feature selection is proposed to solve the tendency of online movie comments.The garbage comments are eliminated using relevancy measurement，and then features are extended according to the characteristics of online comments.The features are selected for classification based on frequency of words and information gain.The results show that after using this method，the accuracy and other indexes of classification are improved.

Key words: online comment, feature selection, garbage comment filter, Support Vector Machine（SVM）, tendency classification

张建刚1，2，3，彭勤科1，2，3，康雪姣1，3. 在线电影评论倾向性分类算法研究[J]. 计算机工程与应用, 2011, 47(11): 91-93.

ZHANG Jiangang1，2，3，PENG Qinke1，2，3，KANG Xuejiao1，3. Research on tendency classification algorithm for online movie comment[J]. Computer Engineering and Applications, 2011, 47(11): 91-93.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.
[5]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[8]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[9]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[10]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[11]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[12]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[13]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[14]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.