检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 中文微博情感分类的简单多标签排序算法

史绍亮, 文益民, 缪裕青

计算机应用 2015, 35 (10): 2721-2726. DOI: 10.11772/j.issn.1001-9081.2015.10.2721

摘要（878）

PDF （1000KB）（597）

针对中文微博文本情感分类中每个样本最多只有两种有序情感标签的情形,提出了一种简单的多标签排序算法——TSMLR,该算法采用两步学习和两步分类的策略,通过学习情感标签之间的主次关系,对微博文本的情感进行分类并对情感标签进行排序。首先,将一个多标签排序问题转化为八个多类单标签分类问题,分别对主要情感标签和次要情感标签进行学习;然后,利用得到的分类模型对微博表达的情感进行两步分类,首先给出主要情感标签,再给出次要情感标签。通过在NLP&CC2014的中文微博文本情感分析评测数据集上进行实验,与校准标签排序方法(CLR)相比,TSMLR方法的准确度和平均精度分别提高了8.59%和9.28%,1-错误率相应下降了9.77%,而且TSMLR所需的训练时间相对较少。实验结果表明:TSMLR对标签之间顺序关系的学习能够有效提高对中文微博情感分类的准确率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于景点标签的协同过滤推荐

史一帆文益民蔡国永缪裕青

计算机应用 2014, 34 (10): 2854-2858. DOI: 10.11772/j.issn.1001-9081.2014.10.2854

摘要（150）

PDF （755KB）（357）

针对基于用户社会关系的协同过滤推荐算法有时无法给出目标用户对目标物品的评分的情况，以及基于物品的协同过滤推荐算法中存在的用户对不同类型物品的评分可能不具有可比性的问题，提出了两个基于物品标签的协同过滤推荐算法。这两个算法在计算物品相似度时引入了物品的类型标签信息。在景点评分数据上的实验结果表明：相比基于用户社会关系的协同过滤推荐算法，基于用户社会关系和物品标签的协同过滤推荐算法的准确率和覆盖率提升最高达10%和4%；相比基于物品的协同过滤推荐算法，基于物品和物品标签的协同过滤推荐算法的准确率提升达15%。这说明景点类型标签信息的引入能使得景点的相似度计算更准确。

参考文献 | 相关文章 | 多维度评价