多元线性回归与决策树的情绪量化识别算法

为精准获取情绪量化识别结果，研究多元线性回归与决策树的情绪量化识别算法。利用多元线性回归模型获取情绪影响因素；通过分割相似度获取最优特征，将其作为最佳分类规则，按照最佳分类规则塑造最佳决策树；在求解信息熵时，由詹森不等式替换熵函数的上凸性，剔除邻近的匹配叶节点；将情绪影响因素输入改进决策树，输出情绪量化识别结果。实验证明：该算法的平均精确匹配率高达98%,平均绝对误差低至0.18,具备较优的情绪量化识别性能。