版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著電子商務(wù)及社會(huì)媒體的快速發(fā)展,用戶越來(lái)越習(xí)慣于在互聯(lián)網(wǎng)上針對(duì)商品、新聞事件、公眾人物等各種對(duì)象及主題發(fā)表評(píng)論。面對(duì)不斷涌現(xiàn)的海量Web評(píng)論文本,傳統(tǒng)的人工方式難以對(duì)其中的觀點(diǎn)信息進(jìn)行全面有效的分析利用,因此,近年來(lái)文本情感分析研究得到了廣泛關(guān)注。作為文本情感分析中的一項(xiàng)核心任務(wù),文本情感分類旨在對(duì)帶有情感色彩的文本進(jìn)行情感傾向性分類,具有重要的學(xué)術(shù)研究?jī)r(jià)值及廣泛的應(yīng)用前景,同時(shí)也面臨諸多挑戰(zhàn)性問(wèn)題。
本文圍繞文本情感分類研
2、究所面臨的數(shù)據(jù)稀疏性、標(biāo)注樣本獲取困難、情感資源的不平衡性等問(wèn)題,開(kāi)展了一系列研究。主要工作及貢獻(xiàn)包括以下幾點(diǎn):
?、偬岢隽嘶谔卣鲾U(kuò)展與集成學(xué)習(xí)的句子級(jí)情感分類方法。針對(duì)句子級(jí)評(píng)論文本中的數(shù)據(jù)稀疏性問(wèn)題,本文在大規(guī)模無(wú)標(biāo)注數(shù)據(jù)集上訓(xùn)練主題模型和詞向量表示模型。通過(guò)主題模型來(lái)獲得主題特征,通過(guò)詞向量表示模型來(lái)獲得相關(guān)詞特征。然后分別利用這兩種特征來(lái)對(duì)文本進(jìn)行特征擴(kuò)展,并相應(yīng)訓(xùn)練分類器。在此基礎(chǔ)上,本文進(jìn)一步利用集成學(xué)習(xí)方法將不同
3、分類器的分類結(jié)果進(jìn)行集成,得到最終分類器。實(shí)驗(yàn)結(jié)果表明:基于特征擴(kuò)展與集成學(xué)習(xí)的情感分類方法中,主題特征及相關(guān)詞特征均能有效地對(duì)文本進(jìn)行特征擴(kuò)展,緩解數(shù)據(jù)稀疏性問(wèn)題。最終分類器由于集成了兩類不同分類器的分類結(jié)果,能綜合利用主題特征及相關(guān)詞特征的語(yǔ)義信息,進(jìn)一步提升分類性能。
?、谔岢隽嘶谇楦性~典與機(jī)器學(xué)習(xí)的無(wú)監(jiān)督情感分類框架。針對(duì)有監(jiān)督情感分類方法中標(biāo)注樣本獲取困難的問(wèn)題,本文提出一種不依賴于人工標(biāo)注語(yǔ)料的無(wú)監(jiān)督情感分類框架。
4、該框架分兩階段來(lái)進(jìn)行情感分類:第一階段利用情感詞典資源從無(wú)標(biāo)注語(yǔ)料中挑選置信度高的樣本來(lái)構(gòu)成偽標(biāo)注訓(xùn)練集;第二階段則使用半監(jiān)督學(xué)習(xí)方法,利用偽標(biāo)注訓(xùn)練集及無(wú)標(biāo)注數(shù)據(jù)來(lái)學(xué)習(xí)分類器,獲得分類結(jié)果。在四個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:無(wú)監(jiān)督情感分類框架通過(guò)對(duì)情感詞典及語(yǔ)料的有效應(yīng)用,能夠有效改善分類性能;進(jìn)一步,本文還比較了各種半監(jiān)督學(xué)習(xí)算法在分類框架中的分類效果,發(fā)現(xiàn)自訓(xùn)練方法具有分類性能好、適應(yīng)性強(qiáng)等特點(diǎn),適用于該情感分類框架。
5、③提出了基于數(shù)據(jù)集劃分與自訓(xùn)練的無(wú)監(jiān)督文檔情感分類方法。在第②項(xiàng)研究工作的基礎(chǔ)上,針對(duì)自訓(xùn)練法在迭代過(guò)程中所累積的樣本噪聲導(dǎo)致分類性能下降的問(wèn)題,本文提出一種基于數(shù)據(jù)集劃分的改進(jìn)自訓(xùn)練法。該方法在數(shù)據(jù)子集上學(xué)習(xí)分類器,并在迭代過(guò)程中由兩個(gè)分類器對(duì)無(wú)標(biāo)注樣本的分類結(jié)果進(jìn)行一致性檢驗(yàn)。在四個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:基于改進(jìn)自訓(xùn)練分類器的無(wú)監(jiān)督情感分類方法能有效地降低錯(cuò)誤標(biāo)記樣本帶來(lái)的影響,相比其他一系列基準(zhǔn)方法有顯著的性能提升,在部分?jǐn)?shù)
6、據(jù)集上的分類性能甚至超出了有監(jiān)督學(xué)習(xí)方法的分類性能。
④提出了基于隨機(jī)子空間與協(xié)同訓(xùn)練的跨語(yǔ)言情感分類方法。針對(duì)情感資源的不平衡性問(wèn)題,本文研究跨語(yǔ)言情感分類問(wèn)題,以充分利用不同語(yǔ)言的資源。在利用語(yǔ)言學(xué)知識(shí)的基礎(chǔ)上,提出了一種基于詞性組合的隨機(jī)子空間法,并將其應(yīng)用于中文及英文這兩種語(yǔ)言視圖上,然后將得到的多個(gè)子視圖應(yīng)用于協(xié)同訓(xùn)練方法中來(lái)進(jìn)行跨語(yǔ)言情感分類。實(shí)驗(yàn)結(jié)果表明:將基于詞性組合的隨機(jī)子空間法應(yīng)用于協(xié)同訓(xùn)練框架中,由于得到
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于汽車評(píng)論的文本情感分類特征選擇方法研究.pdf
- 27899.基于改進(jìn)情感詞典的在線旅游評(píng)論文本情感分類研究
- 評(píng)論文本情感分析算法的研究.pdf
- 基于極大相容塊的產(chǎn)品評(píng)論文本情感分類研究.pdf
- 中文評(píng)論文本情感分析研究.pdf
- 面向產(chǎn)品評(píng)論的情感文本分類研究.pdf
- 基于評(píng)論文本的情感分析研究.pdf
- 基于文本情感分類的商品評(píng)論主題挖掘
- 基于餐館評(píng)論文本的主題提取及情感分析方法研究.pdf
- 基于文本情感分類的商品評(píng)論主題挖掘.pdf
- 用戶評(píng)論情感分類的方法與實(shí)證研究
- 用戶評(píng)論情感分類的方法與實(shí)證研究.pdf
- WEB文本情感分類中關(guān)鍵問(wèn)題的研究.pdf
- 網(wǎng)絡(luò)評(píng)論文本的情感傾向性研究.pdf
- 互聯(lián)網(wǎng)評(píng)論文本情感分析研究.pdf
- OTA網(wǎng)站評(píng)論文本的情感分析研究.pdf
- 面向評(píng)論文本的多文檔情感摘要研究.pdf
- 文本情感傾向分類方法在評(píng)論有用性分析中的實(shí)現(xiàn)與應(yīng)用.pdf
- 基于Web文本挖掘的企業(yè)口碑情感分類模型研究.pdf
- 基于情感詞網(wǎng)的短文本情感分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論