基于协同迭代及动态词库扩展的文本情感倾向分类算法

作者：文俊 郑皎凌 舒红平计算机应用技术自然语言处理文本挖掘情感分类词库扩展cacidle

摘要：在自然语言处理的领域中，大多数针对文本情感倾向的分类算法都含有计算复杂、执行效率低、适用性弱且效果不理想的特点。因此，在该领域的专家和学者的研究基础之上，提出文本和倾向特征词相互训练的思路，设计一种基于协同迭代及动态词库扩展的文本情感倾向分类算法CACIDLE。CACIDLE具有易理解、执行效率高、适应性强且效果令人满意等优点。经过多次测试实验，结果表明CACIDLE算法对文本情感倾向分类的平均精确度可达到83．4％，除此之外，还可以通过设置参数阈值来控制分类结果的倾向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社