《表1 宏查准率：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》

  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

《基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》

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

%

通过实验结果分析，在本文的实验中，表1和表2显示了对比其它两种方法的宏查准率和宏查全率的实验结果，表3显示了宏F1值的实验结果。在三个领域内，电脑和书籍领域都得到了很大的提高。原因是NB方法只考虑了属性节点之间独立的假设，忽略了属性之间的影响，同时对情感词的特征选择权重的问题，因此文本的分类准确率受到很大的影响。在加权融合方法中考虑到了特征的选择及权重的重要性，但是忽略了属性之间对情感分类的影响，导致分类效果不理想。本文改进的TF-IDF与HNB结合的方法考虑了对特征的提取，使权重归一化。以及属性节点之间的影响，创建了隐藏父节点，加强了属性之间的依赖性，从而提高了分类的准确率。酒店领域内低于另外两种方法，分析原因可能是领域适应性问题、训练预料不够或者是第三方工具带来的误差等等。从平均值的角度，宏平均查准率、宏平均查全率和宏F1值都优于另外两种方法。因此，结果表明，此次实验对文本情感分类有较大的帮助。