-
基于樸素貝葉斯的細粒度意見挖掘
摘 要 ：針對常用細粒度意見挖掘模型條件隨機場（CRF）需要大量細致的標注語料，費時費力，提出基于樸素貝葉斯的細粒度意見挖掘方法。該方法在樸素貝葉斯的基礎上融合多種語言特征，對產品評論進行細粒度意見挖掘，提取評論文本中的評價要素，既避免了大量標注數據，省時省力，又增加了分類特征，提高分類精度。實驗結果表明，評價要素識別的綜合準確率達 82% 左右，比起常用模型，不但效率提高了，準確率也有所提高。
摘 要 ：針對常用細粒度意見挖掘模型條件隨機場（CRF）需要大量細致的標注語料，費時費力，提出基于樸素貝葉斯的細粒度意見挖掘方法。該方法在樸素貝葉斯的基礎上融合多種語言特征，對產品評論進行細粒度意見挖掘，提取評論文本中的評價要素，既避免了大量標注數據，省時省力，又增加了分類特征，提高分類精度。實驗結果表明，評價要素識別的綜合準確率達 82% 左右，比起常用模型，不但效率提高了，準確率也有所提高。
