基于粗糙集与信息增益的情感特征选择方法

蒲国林

Chinese

您当前的位置：

首页 >

文章列表页 >

基于粗糙集与信息增益的情感特征选择方法

更新时间：2026-09-04

- 基于粗糙集与信息增益的情感特征选择方法
- A Sentiment Feature Selection Method Based on Rough Set and Information Gain
- 微电子学与计算机 2016年33卷第1期页码：96-99
- 作者机构：
  
  四川文理学院机构计算机学院,四川,达州,635000
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61152003国家档案局科技计划项目 2014-X-65四川省教育厅科研项目 15ZB0323四川文理学院智能计算与物联网工程技术中心资助项目
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
蒲国林. 基于粗糙集与信息增益的情感特征选择方法[J]. 微电子学与计算机, 2016, 33(1): 96-99.

PU Guo-lin. A Sentiment Feature Selection Method Based on Rough Set and Information Gain[J]. 2016, 33(1): 96-99.
蒲国林. 基于粗糙集与信息增益的情感特征选择方法[J]. 微电子学与计算机, 2016, 33(1): 96-99. DOI：

PU Guo-lin. A Sentiment Feature Selection Method Based on Rough Set and Information Gain[J]. 2016, 33(1): 96-99. DOI：

摘要

为了提高情感特征提取的准确率

为高性能情感分析打下坚实的基础

提出了一种融合粗糙集与信息增益的情感特征选择方法.该方法借助信息增益判据选出高相关性的特征子集

再通过粗糙集剔除高冗余性的特征

从而得到最优的特征子集.在多个数据集上的测试表明

该方法可将若干经典方法的准确率提高4~9个百分点

是一种优秀的特征选择方法

对提升情感分析的整体性能有明显意义.

Abstract

A Rough Set and Information Gain based on sentiment feature selection method is proposed for building a solid foundation in sentiment analysis. The novel method firstly uses Information Gain to select a feature subset which has high relativity with the class attribute. Secondly

the features which have high redundancy will be eliminated by Rough Set. Experimental results on several datasets reveal the method makes accuracy increase 4-9 percentages than other methods. It is an outstanding feature selection method and has significance in sentiment analysis.

关键词

Keywords

references

文翰. 面向信息检索的Web文本挖掘方法研究[D]. 广州: 华南理工大学, 2012.

Mordelet F, Vert J P. A bagging SVM to learn from positive and unlabeled examples[J]. Pattern Recognition Letters, 2014, 37(1): 201-209. DOI: 201

Troussas C, Virvou M, Junshean Espinosa K, et al. Twitter news classification: theoretical and practical comparison of SVM against naive abayes algorithms[C]// Fourth International Conference on Information, Intelligence, Systems and Applications. Piraeus, Greece: IEEE, 2013: 13-18.

You-Shyang Chen, Ching-Hsue Cheng. A soft-computing based rough sets classifier for classifying IPO returns in the financial markets[J]. Applied Soft Computing, 2012, 12(1): 462-475. DOI: 462

Shams M, Shakey A, Faili H. A non-parametric LDA-based induction method for sentiment analysis[C]// 16th CSI International Symposium on Artificial Intelligence and Signal Processing, Shiraz, Fars: IEEE, 2012: 216-221.

Haoyang Wu, Yuyuan Wu, Jinping Luo. An interval type-2 fuzzy rough set model for attribute reduction[J]. IEEE Transactions on Fuzzy Systems, 2012, 17(2): 301 - 315. DOI: 301

Bollegala D, Weir D, Carroll J. Cross-domain sentiment classification using a sentiment sensitive thesaurus[J]. IEEE Transactions on Knowledge and Data Engineering, 2013, 25(8): 1719-1731. DOI: 1719

Mirzakhani M, Moghadam A E. Two layer algorithm for data classification based on rough set and bayesian network classifiers[C]// 13th Iranian Conference on Fuzzy Systems (IFSC). Qazvin, Iran: IEEE, 2013: 1-6.

殷春霞, 彭勤科. 利用复杂网络为自由评论鉴定词汇情感倾向性[J]. 自动化学报, 2012, 38(3): 389-398. DOI: 389

Isa Maks, Piek Vossen. A lexicon model for deep sentiment analysis and opinion mining application[J]. 2012, 53(4): 680-688. DOI: 680

李素科, 蒋严冰. 基于情感特征聚类的半监督情感分类[J]. 计算机研究与发展, 2013, 50(3): 2570-2577. DOI: 2570

伍杰华, 倪振声. 改进多分类器集成AdaBoost算法的Web主题分类[J]. 计算机应用与软件, 2013, 30(11): 273-279. DOI: 273

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

轻量级方面情感三元组提取模型

粗糙集二进制布谷鸟算法在情感识别中的应用

双目标函数支持向量机在情感分析中的应用

基于粗糙集粒子群支持向量机的特征选择方法

一种基于特征上下文理解与切片分析的肺结核检测算法