《表1 1 方差分析结果:融合情感词典和语义规则的微博评论细粒度情感分析》
为验证模型的有效性,表10对比了本文模型与词频模型在情感分类上的Precision、Recall和F值。从分析结果可以看出,本文使用的情感词典扩充加语义规则的情感分析模型在Precision和Recall上较词频模型都有显著提高。提升最大的是“疑”这类情感,其主要原因是词频模型中“疑”的情感词典过于简单,很难准确识别。其次,“哀”“恶”“惧”也有了较大的提升,并且Precision都在70%左右,取得了很好的效果。而“好”和“乐”两种情感也有一定的提升,不过幅度不太明显,原因主要为反讽语气的影响,反讽评论表象上使用褒义词汇,实则表达贬义情感,目前还未能很好地识别这类评论。
图表编号 | XD00204827800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 万岩、杜振中 |
绘制单位 | 北京邮电大学经济管理学院、北京邮电大学经济管理学院 |
更多格式 | 高清、无水印(增值服务) |