利用 TF-IDF 与下一词否定改进的文本情感分类模型

随着文本情感分析的快速增长,对电子文档自动分类的需求已突飞猛进。文本分类或文本挖掘的范式近来已成为许多研究工作的主题。在本文中,我们提出了一种使用词频-逆文档频率(TF-IDF)结合下一词否定(NWN)的文本情感分类技术。我们还比较了二元词袋模型、TF-IDF 模型以及带下一词否定的 TF-IDF(TF-IDF-NWN)模型在文本分类上的性能。我们提出的模型随后应用于三种不同的文本挖掘算法,发现线性支持向量机(LSVM)最适合与我们所提模型配合使用。所得结果显示,与早期方法相比准确率显著提升。