融合Skip-gram与R-SOPMI的教育领域情感词典构建

提出一种基于特征融合的细粒度教育领域情感词典构建方法。首先构建了教育领域语料库，包含正式、非正式领域情绪特征；其次提出一种融合特征的领域情绪词典构建方法，在情绪划分基础上识别词的语言概率特征以及统计概率特征，改进情感倾向点互信息，提出用于情绪分类的情感倾向点互信息算法，实现共现多分类情绪划分；最后得到细粒度教育领域情感词典，词典扩充至39 138个情绪词。实验表明：使用所提出方法构建的教育领域情绪词典除情绪“怒”以外，各类别F1综合指标均高于78.09%，整体性能良好。与通用词典相比，宏平均准确率、宏召回率和宏F1分别提升了21.95%、2.50%和13.01%，表明该融合特征方法能有效提取领域特征进而完成细粒度领域词典构建。