面向互联网在线视频评论的情感分类技术

doi:10.3969/j.issn.1671-1122.2019.05.008

信息网络安全 ›› 2019, Vol. 19 ›› Issue (5): 61-68.doi: 10.3969/j.issn.1671-1122.2019.05.008

面向互联网在线视频评论的情感分类技术

李辉¹, 倪时策², 肖佳³(), 赵天忠⁴

1.上海华为技术有限公司,上海 201206
2. 军委政法委侦查技术中心,北京 100120
3.北京邮电大学网络与交换技术国家重点实验室,北京 100876
4. 中国人民解放军78156部队,青海海东 810800

收稿日期:2019-03-10 出版日期:2019-05-10 发布日期:2020-05-11
作者简介:
作者简介：李辉（1989—）,男,河南,工程师,硕士,主要研究方向为大数据和自然语言处理;倪时策（1985—）,男,浙江,工程师,博士,主要研究方向为大数据和信息安全;肖佳（1983—）,男,安徽,工程师,博士研究生,主要研究方向为大数据和信息安全;赵天忠（1972—）,男,甘肃,工程师,硕士,主要研究方向为软件定义网络和内容分发网络。
基金资助:
国家242信息安全专项[2018A094]

Emotion Classification Technology for Online Video Comments on the Internet

Hui LI¹, Shice NI², Jia XIAO³(), Tianzhong ZHAO⁴

1. Shanghai Huawei Technology Co. Ltd. , Shanghai 201206, China
2. Investigation Technology Center, PLCMC, Beijing 100120, China
3. State Key Laboratory of Networking and Switching, Beijing University of Posts and Telecommunications, Beijing 100876, China
4. PLA 78156, Haidong Qinghai 810800, China

Received:2019-03-10 Online:2019-05-10 Published:2020-05-11

摘要/Abstract

摘要：

随着在线视频的大量增长,越来越多的人开始在视频网站上发表对视频的评论。这些评论通常会带有用户的个人情感色彩和视频中的一些关键信息,从而对网络用户的视频观看决策有重要影响。如何自动地对在线视频评论进行情感分类和关键词提取,已成为目前亟待解决的问题。文章重点研究在线视频评论的情感分类技术,分析了不同特征提取和特征选择方法以及不同分类算法对在线视频评论情感分类精度的影响。仿真实验表明,文章提出的在线视频评论情感分类模型具有较高的准确性。

关键词: 情感分类, 分类算法, 特征提取, 特征选择

Abstract:

With the rapid growth of online videos, more and more people begin to publish comments on videos of video websites. Users' comments usually include personal emotions and some of the key information about the videos, which makes significant impact on video viewing decisions for Web users. Emotion classification and extracting key words from online video comments automatically have become an urgent problem. This paper focuses on the emotion classification for online video comments, and analyzes the influence of different feature extraction and feature selection methods and different classification algorithms on the accuracy of online video comments emotion classification. Simulation results show that the online video comments emotion classification model proposed in this paper has high accuracy.

Key words: emotion classification, classification algorithm, feature extraction, feature selection

中图分类号:

TP309

李辉, 倪时策, 肖佳, 赵天忠. 面向互联网在线视频评论的情感分类技术[J]. 信息网络安全, 2019, 19(5): 61-68.

Hui LI, Shice NI, Jia XIAO, Tianzhong ZHAO. Emotion Classification Technology for Online Video Comments on the Internet[J]. Netinfo Security, 2019, 19(5): 61-68.

图/表 12

图1

图2

图3

图4

表1

图5

图6

图7

图8

图9

表2

图10

参考文献 18

[1]	YE Qiang, SHI Wen, LI Yijun.Sentiment Classification for Movie Reviews in Chinese by Improved Semantic Oriented Approach[C]//HICSS. The 39th Annual Hawaii International Conference on System Sciences, January 4-7, 2006, Kauia, HI, USA. NJ: IEEE, 2006: 53b.
[2]	SHENG Chengcheng, ZHU Yong, LIU Tao.Public Opinion Analysis Based on Weibo Socail Network[J]. Intelligent Computer and Applications, 2019, 9(1): 57-64.
	盛成成,朱勇,刘涛.基于微博社交平台的舆情分析[J]. 智能计算机与应用,2019,9(1):57-64.
[3]	DAVE K, LAWRENCE S, PENNOCK D M.Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews[C]// ACM. The 12th International Conference on World Wide Web, May 20 - 24, 2003, Budapest, Hungary. New York: ACM, 2003: 519-528.
[4]	CHEN Zhi, LI Peng.Text Sentiment Classification Based on Mutual Information and Cluster Sampling[J]. Modern Computer, 2015(4): 14-20.
	陈智,李鹏. 利用互信息和聚类抽样的文本情感分类[J]. 现代计算机:普及版,2015(4):14-20.
[5]	WAN Houbin.Research on Feature Dimension Reduction in Text Classification[D]. Chongqing: Chongqing University, 2012.
	万斌候. 文本分类中的特征降维方法研究[D]. 重庆:重庆大学,2012.
[6]	GAO Yuan.An Overview of the Development and Application of Natural Language Processing[J]. China New Telecommunications, 2019, 21(2): 117-118.
	高源. 自然语言处理发展与应用概述[J].中国新通信,2019,21(2):117-118.
[7]	LIU Zhixiang.Research and Implementation of Two Text Categorization Algorithms[D]. Changchun: Jilin University, 2008.
	刘智祥. 两种文本分类算法的研究与实现[D]. 长春:吉林大学,2008.
[8]	KIM J, CHOE D, KIM G, et al.Noise Removal Using TF-IDF Criterion for Extracting Patent Keyword[M]// Springer. Soft Computing in Big Data Processing. Cham: Springer, Cham, 2014: 1107-1127.
[9]	CUI Hang, MITTAL V, DATAR M.Comparative Experiments on Sentiment Classification for Online Product Reviews[C]//AAAI. The 21st National Conference on Artificial Iintelligence, July 16-20, 2006, Boston, Massachusetts, USA. Palo Alto: AAAI Press, 2006: 61-80.
[10]	YANG Liyue, WANG Yizhi.Research on Construction and Analysis of Emotion Dictionary in Emotion Analysis of Micro-blog[J]. Computer Technology and Development, 2019(2): 13-18.
	杨立月,王移芝. 微博情感分析的情感词典构造及分析方法研究[J]. 计算机技术与发展,2019(2):13-18.
[11]	CSDN.最全中文停用词表整理[EB/OL]. ,2014-9-30.
[12]	PANG Bo, LEE L, VAITHYANATHAN S.Thumbs up?: Sentiment Classification Using Machine Learning Techniques[C]//EMNLP. Conference on Empirical Methods in Natural Language Processing, July 6-7, 2002, Philadelphia, PA, USA. Association for Computational Linguistics, 2002: 79-86.
[13]	DAI Liuling, HUANG Heyan, CHEN Zhaoxiong.A Comparative Study on Feature Selection in Chinese Text Categorization[J]. Journal of Chinese Information Processing, 2004, 18(1): 26-32.
	代六玲,黄河燕,陈肇雄. 中文文本分类中特征抽取方法的比较研究[J]. 中文信息学报,2004,18(1):26-32.
[14]	LIU Zhiming, LIU Lu.Empirical Study of Sentiment Classification for Chinese Microblog Based on Machine Learning[J]. Computer Engineering and Applications, 2012, 48(1): 1-4.
	刘志明,刘鲁. 基于机器学习的中文微博情感分类实证研究[J]. 计算机工程与应用,2012,48(1):1-4.
[15]	ZHOU Jun, HE Li, HAN Weihong, et al.Research of Tendency Algorithm for Chinese Comments based on Machine Learning[J]. Netinfo Security, 2013, 13(10): 164-166.
	周军,何力,韩伟红,等.基于机器学习的中文评论倾向性分类实证研究[J].信息网络安全,2013,13(10):164-166.
[16]	DAI Wei.A Solution to Text Classification with Logical Regression[J]. Telecom World, 2018(8): 266-267.
	戴维. 逻辑回归解决文本分类问题[J]. 通讯世界,2018(8):266-267.
[17]	WANG Xinyu, ZHAO Mingtao, GUI Yang.Research on Face Recgnition Based on Classification Algorithms[J]. Journal of Jiaozuo University, 2019, 33(1): 56-61.
	王欣宇,赵明涛,桂扬. 基于分类算法的人脸识别研究[J]. 焦作大学学报,2019,33(1):56-61.
[18]	WAN Yueliang, ZHU Hejun, LIU Hongzhi.Research on Web Page Classification Method Based on Web Page Structural Tendency[J]. Netinfo Security, 2009, 9(9): 76-79.
	万月亮,朱贺军,刘宏志.基于网页结构化倾向的网页分类方法研究[J].信息网络安全,2009,9(9):76-79.

	文本实际属于某类	文本实际不属于某类
判定为某类	A	B
判定为非某类	C	D

过程	测试编号	耗费时间/s	平均时间/s
训练情感分类模型	测试1	874.56	879.47
	测试2	885.49
	测试3	878.35
对评论进行情感分类	测试1	2876.56	2941.71
	测试2	2992.27
	测试3	2956.29

面向互联网在线视频评论的情感分类技术

Emotion Classification Technology for Online Video Comments on the Internet

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价

[1]	康健, 王杰, 李正旭, 张光妲. 物联网中一种基于多种特征提取策略的入侵检测模型[J]. 信息网络安全, 2019, 19(9): 21-25.
[2]	马泽文, 刘洋, 徐洪平, 易航. 基于集成学习的DoS攻击流量检测技术[J]. 信息网络安全, 2019, 19(9): 115-119.
[3]	王旭东, 余翔湛, 张宏莉. 面向未知协议的流量识别技术研究[J]. 信息网络安全, 2019, 19(10): 74-83.
[4]	文伟平, 李经纬, 焦英楠, 李海林. 一种基于随机探测算法和信息聚合的漏洞检测方法[J]. 信息网络安全, 2019, 19(1): 1-7.
[5]	鲁刚, 郭荣华, 周颖, 王军. 恶意流量特征提取综述[J]. 信息网络安全, 2018, 18(9): 1-9.
[6]	段桂华, 申卓祥, 申东杰, 李智. 一种基于特征提取的有效下载链接识别方案研究[J]. 信息网络安全, 2018, 18(10): 31-36.
[7]	徐燕. 基于数据挖掘的网络链接预测研究[J]. 信息网络安全, 2017, 17(6): 30-34.
[8]	杨连群, 温晋英, 刘树发, 王峰. 一种改进的图分割算法在用户行为异常检测中的应用[J]. 信息网络安全, 2016, 16(6): 35-40.
[9]	高川, 严寒冰, 贾子骁. 基于特征的网络漏洞态势感知方法研究[J]. 信息网络安全, 2016, 16(12): 28-33.
[10]	裘玥. 匿名网络的安全监管隐患与信息获取技术研究[J]. 信息网络安全, 2015, 15(9): 106-108.
[11]	李旬, 徐剑, 焦英楠, 严寒冰. 基于异常特征的社交网页检测技术研究[J]. 信息网络安全, 2015, 15(5): 41-46.
[12]	陈逸夫, 刘吉强. 移动应用特征提取算法研究[J]. 信息网络安全, 2015, 15(1): 45-50.
[13]	. Linux下基于SVM分类器的WebShell检测方法研究[J]. , 2014, 14(5): 5-.
[14]	. 垃圾邮件分类技术对比研究[J]. , 2014, 14(2): 75-.
[15]	赵晓丹;徐燕. 垃圾邮件分类技术对比研究[J]. , 2014, 14(2): 0-0.