基于机器学习的中文文本情感分析系统开题报告

全文总字数：4263字

1. 研究目的与意义、国内外研究现状（文献综述）

课题意义：

2. 研究的基本内容和问题

研究的目标和内容：目标：用几种机器学习技术对中文文本进行情感倾向分析。内容：在pycharm集成环境上利用python语言研究用几种机器学习技术包括支撑向量机（svm）、最大熵模型、贝叶斯、k最邻近算法（knn）对中文文本进行情感倾向分析，并实现情感词典法情感分析进行对比，结果分为积极和消极两个粒度，实现对一句话或者一段话的情感倾向预测，并对几种算法的分析结果用不同的评价指标进行对比。本次研究对象以电商平台用户对商品的评价为主，具体用了外卖平台的用户评论数据和宾馆预订平台的用户评论，从食和住两个方面的数据进行处理和训练的研究。

拟解决的关键问题：①从网站采集数据。②对数据集进行预处理（分词、去除停用词、情感标注等）。③利用卡方统计方法进行特征降维。④不同分类算法的实现。⑤用实验数据集进行模型训练和模型预测。⑥利用pyqt5实现演示界面。

3. 研究的方法与方案

研究方法：实验法：用实验数据集进行模型训练和模型预测。

4. 研究创新点

利用机器学习进行文本情感分析是一项备受关注的技术，应用前景也十分广泛。但由于中文和英文是不同的语言模型:中文需要对句子手动划分词组；英文可以通过空格自动划分词组。目前关于利用机器学习进行中文文本情感分析的实验还不是特别多，该课题利用现有的评论数据集，利用机器学习进行训练和预测文本的情感，对该领域的研究有一定的意义。

5. 研究计划与进展

一月到二月：下载数据集，完成数据的预处理（包括分词，去除停用词，转换为词等）。

二月到三月：几种机器算法实现

三月到四月：用实验数据进行训练和测试，提高准确率