阅读笔记

创新点：

• 基于层级结构的特征降维方法
• 基于表情符 的特征极性值计算
• 基于特征极性值的位置权重计算

1. 词典的构建

• 极性副词词典的构建：
  1.郝雷红． 现代汉语否定副词研究 中对否定副词范围界定的基础上，加入了若干否定副词
  2.采用 蔺璜 程度副词的特点范围与分类 对程度副词范围的界定构建极性程度副词词典
• 表情符 词典的构建：
  借助新浪微博中的表情符 构建表情符 词典，并根据表情符 表达的情感倾向性将其分为正向和负向两类。

2.词典与机器学习相结合的微博文本情感分析

1. 基于层次结构的特征降维方法：
   采用 χ2统计法进行特征选择，初步降低特征空间的维数，借助层次聚类算法（将向量空间分为褒义，贬义和中性三个子空间分别进行聚类，再将三个子空间聚类结果合并在一起）对特征空间进行降维，进一步降低特征空间的维数，最终达到特征降维的目的。

2. 基于表情符 的特征极性值计算：
   

   

3. 情感分类算法:借助SVM