《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合情感词典和语义规则的微博评论细粒度情感分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。