作者：郭云龙 潘玉斌 张泽宇 李莉微博观点句支持向量机朴素贝叶斯k近邻证据理论
摘要：随着新技术及社会网络的发展与普及，微博用户数据量剧增，与此相关的研究引起了学术界和工业界的关注。针对中文微博语句特点，通过对比多种特征选取方法，提出一种新的特征统计方法。根据构建的词语字典与词性字典，分析支持向量机、朴素贝叶斯、K最近邻等分类模型，并利用证据理论结合多分类器对中文微博观点句进行识别。采用中国计算机学会自然语言处理与中文计算会议（NLP＆CC2012）提供的数据，运用该方法得到的准确率、召回率和F值分别为70．6％、89．2％、78．9％，而NLP＆CC2012公布的评测结果相应平均值分别为72．7％、61．5％、64．7％，该方法在召回率和F值2个指标上超过其平均值，而F值比NLP＆CC2012评测结果的最好值高出0．5％。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
