基于半監(jiān)督學(xué)習(xí)的文本情感分類(lèi)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)目前已經(jīng)進(jìn)入數(shù)據(jù)爆炸的時(shí)代，形形色色的人在網(wǎng)絡(luò)上自由的發(fā)表著對(duì)各式各樣的事件、物品以及對(duì)某些人的觀點(diǎn)與看法。這些海量級(jí)文本數(shù)據(jù)中蘊(yùn)藏著大量的情感信息，對(duì)其進(jìn)行文本情感極性的判斷，可為網(wǎng)絡(luò)安全、事件預(yù)測(cè)、購(gòu)物導(dǎo)向、輿情分析等提供決策支持。為此，本文設(shè)計(jì)一個(gè)篇章級(jí)的文本情感分類(lèi)平臺(tái)，用于對(duì)網(wǎng)上用戶(hù)的評(píng)論進(jìn)行褒義貶義分類(lèi)，具體內(nèi)容如下：
　?。?）基于半監(jiān)督學(xué)習(xí)的文本情感分類(lèi)方法
　　傳統(tǒng)的文本情感分類(lèi)方法的精確度取決于訓(xùn)練

2、語(yǔ)料的規(guī)模和質(zhì)量，對(duì)于標(biāo)注依賴(lài)于規(guī)模和高質(zhì)量的語(yǔ)料，將消耗大量的人力、時(shí)間。而半監(jiān)督機(jī)器學(xué)習(xí)方法可以作為自動(dòng)或半自動(dòng)擴(kuò)展訓(xùn)練語(yǔ)料的一種有效手段。本文介紹了兩種基于半監(jiān)督學(xué)習(xí)方法的情感分類(lèi)，基于自訓(xùn)練（self-training）和基于主動(dòng)學(xué)習(xí)（active learning）的情感分類(lèi)方法，并通過(guò)支持向量機(jī)和最大熵模型兩種分類(lèi)器對(duì)未標(biāo)注數(shù)據(jù)進(jìn)行分類(lèi)，采用逐步迭代的方式優(yōu)化分類(lèi)模型。最后利用優(yōu)化的單分類(lèi)模型實(shí)現(xiàn)單個(gè)模型和集成模型對(duì)文本進(jìn)行

3、情感分類(lèi)。
　?。?）文本情感分類(lèi)平臺(tái)的設(shè)計(jì)與數(shù)據(jù)分析
　　針對(duì)中文文本情感分類(lèi)而言，中文數(shù)據(jù)雜亂無(wú)章，特別是用戶(hù)評(píng)論，每個(gè)人都有不同的表達(dá)方式，為此本平臺(tái)設(shè)計(jì)了數(shù)據(jù)預(yù)處理功能，包括去停用詞、文本分詞、數(shù)據(jù)向量化處理等，為文本情感分類(lèi)做好數(shù)據(jù)準(zhǔn)備。此平臺(tái)既可以作為文本情感分類(lèi)系統(tǒng)，包括有監(jiān)督文本情感分類(lèi)、半監(jiān)督的文本情感分類(lèi)等，又可以作為一個(gè)輔助數(shù)據(jù)標(biāo)注系統(tǒng)。
　?。?）文本情感分類(lèi)平臺(tái)實(shí)現(xiàn)
　　本文基于Java