کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10321786 660751 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Hierarchical emotion classification and emotion component analysis on chinese micro-blog posts
ترجمه فارسی عنوان
طبقه بندی احساسات سلسله مراتبی و تجزیه و تحلیل اجزای هیجان در پست های میکرو وبلاگ چینی
کلمات کلیدی
میکرو وبلاگ، استخراج متن، طبقه بندی احساسات، تجزیه و تحلیل اجزای احساسی،
ترجمه چکیده
تجزیه و تحلیل احساسات متن به مدت طولانی موضوع داغ است. با توسعه شبکه اجتماعی، تجزیه و تحلیل احساسات متن در پست های میکرو وبلاگ یک روند جدید در سال های اخیر تبدیل شده است. با این حال، اغلب محققان پست ها را به کلاس های احساسات درشت دانه می رسانند که نمیتوانند به طور دقیق احساسات را بیان کنند. علاوه بر این، طبقه بندی تخت بیشتر به کار رفته است، که در هنگام ارائه یک مجموعه داده بزرگ، طبقه بندی کنندگان را مشکل می کند. در این مقاله، با پیش پردازش داده ها، استخراج ویژگی ها و انتخاب ویژگی ها، پست های میکرو وبلاگ های چینی را به کلاس های احساسات ریزه کاری طبقه بندی می کنیم، طبقه بندی سلسله مراتبی را برای بهبود عملکرد طبقه بندی ها طبقه بندی می کنیم. علاوه بر این، بر اساس مقادیر رگرسیون در روش طبقه بندی، ما یک الگوریتم برای تشخیص احساسات اصلی در پست ها و محاسبه نسبت آنها را پیشنهاد می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Text emotion analysis has long been a hot topic. With the development of social network, text emotion analysis on micro-blog posts becomes a new trend in recent years. However, most researchers classify posts into coarse-grained emotion classes, which cannot depict the emotions accurately. Besides, flat classification is mostly adopted, which brings difficulty for classifiers when given a large dataset. In this paper, by data preprocessing, feature extraction and feature selection, we classify Chinese micro-blog posts into fine-grained emotion classes, employing hierarchical classification to improve the performance of classifiers. Moreover, based on the regression values in classification procedure, we propose an algorithm to detect the principal emotions in posts and calculate their ratios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 22, 1 December 2015, Pages 8745-8752
نویسندگان
, , ,