基于集成学习的在线评论情感倾向分析

[目的/意义]准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准确性仍需提高.[方法/过程]文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现在线评论情感分类.[结果/结论]实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监督类算法,该模型的分类衡量指标F1值分别提高了10％到30％不等.同时,在酒店、图书等不同领域的数据集上显示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性.