Aplicación de máquinas de soporte vectorial (SVM) en el análisis de sentimientos del conjunto de datos de Twitter

En la actualidad, en los métodos de análisis de sentimientos predominantes representados por la máquina de soporte vectorial, el vocabulario y la información semántica latente involucrada en el texto no se consideran bien, y el análisis de sentimientos del texto depende en gran medida de las estadísticas de las palabras de sentimiento. Por lo tanto, se propone en este documento una función de núcleo de Fisher basada en el Análisis Semántico Latente Probabilístico para el análisis de sentimientos mediante máquinas de soporte vectorial. La función de núcleo de Fisher basada en el modelo se deriva del modelo de Análisis Semántico Latente Probabilístico. Mediante este método, la información semántica latente que involucra las características de probabilidad se puede utilizar como características de clasificación, junto con la mejora del efecto de clasificación para la máquina de soporte vectorial, y se puede abordar el problema de ignorar las características semánticas latentes en el análisis de sentimientos del texto. Los resultados muestran que el efecto del método propuesto en este documento, en comparación con el método de comparación, se mejora claramente.