| 171 | 0 | 62 |
| 下载次数 | 被引频次 | 阅读次数 |
为了能够通过文本语句的关键词理解整个语句的褒贬含义，提出一种改进型Renyi熵，通过对所抽取的文本关键词可能涵盖的不同词性的褒贬程度进行分析，有效地对该语句的褒贬进行分类。该方法使得文本褒贬识别方式接近于人类思维方式，与其他几个现有的模型相比，其褒贬的分类准确度和精确度均有所提高。同时，该方法也为文本情绪分析领域的研究提供了新思路。
Abstract：In order to understand the positive or negative meaning of the whole statement through the keywords of the text statement, an improved Renyi entropy is proposed to classify texts by analyzing the positive or negative meaning of several possible characteristics of a certain word. This method makes the recognition of positive or negative text close to the way of human thinking. Compared to several other existing models, the accuracy and precision of the improved Renyi entropy have been improved in positive or negative text classification. Meanwhile, this method also provides a new idea for the research of text sentiment analysis.
[1] 李晨，朱世伟，魏墨济，等.基于词典与规则的新闻文本情感倾向性分析[J].山东科学，2017,30(1):115-121.
[2] 林呈宇，王雷，薛聪.标签语义增强的弱监督文本分类模型[J].计算机应用，2023,43(2):335-342.
[3] 尹雪婷，武娇，顾兴全，等.基于任务优化表示学习的文本分类[J].中国计量大学学报，2023,34(1):110-119.
[4] 李建平，陈海鸥.基于改进长短时记忆网络的文本分类方法[J].重庆大学学报，2023,46(5):111-118.
[5] 田小瑜，秦永彬，黄瑞章，等.用于多标签文本分类的深度模块化标签注意网络[J].山西大学学报(自然科学版),2023,46(3):500-508.
[6] 李博涵，向宇轩，封顶，等.融合知识感知与双重注意力的短文本分类模型[J].软件学报，2022,33(10):3565-3581.
[7] 陈红阳，黄正洪，何盈盈，等.融合内容特征与传播特征的微博文本情感分类[J].重庆理工大学学报(自然科学),2023,37(7):245-255.
[8] 杨京虎，段亮，岳昆，等.基于子事件的对话长文本情感分析[J].南京大学学报(自然科学),2023,59(3):483-493.
[9] 赵宏，傅兆阳，王乐.基于特征融合的中文文本情感分析方法[J].兰州理工大学学报，2022,48(3):94-102.
[10] SINGHAL A,SHARMA D K.Keyword Extraction Using Renyi Entropy:a Statistical and Domain Independent Method[C]//2021 7th International Conference on Advanced Computing and Communication Systems(ICACCS).March 19-20,2021,Coimbatore,India.IEEE,2021:1970-1975.
[11] BROMILEY P A,THACKER N A,THACKER E B.Shannon Entropy,Renyi Entropy,and Information[J].Statistics and Information Series,2004(9):2-8.
[12] GARCIA D,GARAS A,SCHWEITZER F.Positive Words Carry Less Information Than Negative Words[J].EPJ Data Science,2012,1(1):1-12.
[13] 何传鹏，尹玲，黄勃，等.基于BERT和LightGBM的文本关键词提取方法[J].电子科技，2023,36(3):7-13.
[14] 顾淳，俞成海，于洋，等.基于BERT模型的无监督中文单文本关键词提取模型[J].浙江理工大学学报(自然科学版),2022,47(3):424-432.
[15] 李学宁.SentiWordNet情感词标注及其对我国语文词典的启示[J].烟台大学学报(哲学社会科学版),2023,36(2):106-111.
基本信息:
中图分类号:TP391.1
引用信息:
[1]张冠东,姜荣.基于Renyi熵的文本情感分析[J].微型电脑应用,2023,39(12):16-18.
基金信息:
教育部人文社会科学研究青年基金项目(22YJC910005)
2023-12-20
2023-12-20