摘要：本文采用统计机器学习方法，对面向情感分类的中文网络评论特征项的选择进行研究。选取词性、词性组合、N—gram作为情感文本的潜在特征项，利用文档频率法对特征项实施降维处理，采用布尔权重法构建特征向量，并采用SVM分类器进行网络评论的情感分类。最后，以手机网络评论为对象进行实验分析，并采用卡方检验测试实验结果的差异显著性。结果表明，中文网络评论的情感分类中，将形容词作为特征项可以获得较高的分类准确率和效率；选用N—gram作为特征项时，分类准确率随着阶数的增加而下降；选取训练语料和特征项的数量对分类效果也有显著影响，但并非数量越多准确率越高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社