评估文本评论情感分析的机器学习和非监督语义倾向性方法（IEEE2012）

Evaluating Machine Learning and Unsupervised Semantic Orientation Approaches for Sentiment Analysis of Textual Reviews 评估文本评论情感分析的机器学习和非监督语义倾向性方法（IEEE2012）

文章中情感分析问题可以形式上定义为：给定一个文档集D，情感分类算法划分文档集中的每一个文档为两类，积极和消极。有时也使用中立类，表示那些文档不表达任何主观情感。

基于机器学习的分类器

• 朴素贝叶斯算法
  可以看成两类文本分类问题。
  计算文档d在类c中的概率：$P(c|d)=P(c)\prod_{1≤k≤nd}P(t_k|c)\ (1)$，$P(t_k|c)$是词项$t_k$出现在类c中的一个文档的条件概率。$P(c)$是文档出现在类c的先验概率。被选择的词项通常叫做特征。为了进行话题分类，使用例如词项频率大于一定值的特征。为了划分文档，抽取带有特定标签的词项，例如形容词或形容词+副词的组合可能是一个好的选择。
  文档的类别归属通过(2)式计算： cmap=argmaxc∈CP^(c|d)=argmaxc∈CP