维吾尔语情感分类算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (36): 147-150.

• 数据库、信号与信息处理 • 上一篇下一篇

维吾尔语情感分类算法

田生伟1，禹龙 2，王宇光1

1.新疆大学软件学院，乌鲁木齐 830008
2.新疆大学网络中心，乌鲁木齐 830046

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-21 发布日期:2011-12-21

Research on sentiment classification of Uighur reviews

TIAN Shengwei1，YU Long2，WANG Yuguang1

1.School of Software，Xinjiang University，Urumqi 830008，China
2.Network Center，Xinjiang University，Urumqi 830046，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-21 Published:2011-12-21

摘要/Abstract

摘要： 情感分类是一项具有实用价值的分类技术。目前英语和汉语的情感分类的研究比较多，而针对维吾尔语的研究较少。以n-gram模型作为不同的文本表示特征，以互信息、信息增益、CHI统计量和文档频率作为不同的特征选择方法，选择不同的特征数量，以Naǐve Bayes、ME（最大熵）和SVM（支持向量机）作为不同的文本分类方法，分别进行了维吾尔语情感分类实验，并对实验结果进行了比较，结果表明：采用UniGrams特征表示方法、在5 000个特征数量和合适的特征选择函数，ME和SVM对维吾尔语情感分类能取得较好的效果。

关键词: 维吾尔语, 情感分类, 语言模型

Abstract: Sentiment classification is an applied technology.Up to now，most researches of sentiment classification are on English and Chinese reviews，little work has been done on Uighur reviews.This paper chooses n-gram model as a text representation，mutual information，information gain，CHI statistics and document frequency as different feature selection methods，selects the number of different characteristics to Naǐve Bayes，ME（Maximum Entropy） and SVM（Support Vector Machine） as different text classification methods respectively.Experiments are carried out，and the experimental results show that sentiment classification obtains high performance，when using Unigrams representation，5 000 features，ME or SVM classifier.

Key words: Uighur, sentiment classification, language model

田生伟1，禹龙 2，王宇光1. 维吾尔语情感分类算法[J]. 计算机工程与应用, 2011, 47(36): 147-150.

TIAN Shengwei1，YU Long2，WANG Yuguang1. Research on sentiment classification of Uighur reviews[J]. Computer Engineering and Applications, 2011, 47(36): 147-150.

[1]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[2]	王琴，刘盾. 结合集成学习的序贯三支情感分类方法研究[J]. 计算机工程与应用, 2021, 57(23): 211-218.
[3]	姚贵斌，张起贵. 基于XLnet语言模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(18): 156-162.
[4]	刘畅，阿布都克力木·阿布力孜，姚登峰，哈里旦木·阿布都克里木. 维吾尔语形态分析研究综述[J]. 计算机工程与应用, 2021, 57(15): 42-61.
[5]	黄宏展，蒙祖强. 基于双向注意力机制的多模态情感分类方法[J]. 计算机工程与应用, 2021, 57(11): 119-127.
[6]	康雁，李浩，梁文韬，宁浩宇，霍雯. 针对文本情感分类任务的textSE-ResNeXt集成模型[J]. 计算机工程与应用, 2020, 56(7): 205-209.
[7]	余同瑞，金冉，韩晓臻，李家辉，郁婷. 自然语言处理预训练模型的研究综述[J]. 计算机工程与应用, 2020, 56(23): 12-22.
[8]	郑诚，曹源，薛满意. 面向方面级情感分类的多层注意网络[J]. 计算机工程与应用, 2020, 56(19): 176-181.
[9]	阿里甫·库尔班1，艾山江·亚生2，张丹丹2. 维吾尔语KP_V句型的文法手语编辑系统的设计[J]. 计算机工程与应用, 2019, 55(7): 248-252.
[10]	邱宁佳，周思丞，丛琳，王鹏，李岩芳. 改进CNN的多通道语义合成情感分类模型研究[J]. 计算机工程与应用, 2019, 55(23): 136-141.
[11]	郑诚，钱改林，章金平. Title加TextRank抽取关键句的情感分类研究[J]. 计算机工程与应用, 2019, 55(20): 95-100.
[12]	喻涛，罗可. 结合产品特征的评论情感分类模型[J]. 计算机工程与应用, 2019, 55(16): 108-114.
[13]	陈景霞，郑茹，贾小云，张鹏伟. 共空间模式结合小波包分解的脑电情感分类[J]. 计算机工程与应用, 2019, 55(1): 149-153.
[14]	帕丽旦·木合塔尔，吾守尔·斯拉木，买买提阿依甫，努尔麦麦提·尤鲁瓦斯. RNN编码器-解码器在维汉机器翻译中的应用[J]. 计算机工程与应用, 2018, 54(15): 235-240.
[15]	郑诚，谈小雨，于秀开，曹杨. 基于情感时序距离和转折同化的文本情感分类[J]. 计算机工程与应用, 2018, 54(14): 158-162.

维吾尔语情感分类算法

Research on sentiment classification of Uighur reviews

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