文本情感分類中的極性轉(zhuǎn)移問題研究.pdf

1、詞袋模型是基于機(jī)器學(xué)習(xí)的情感分類任務(wù)最為常用的文本表示方法，然而傳統(tǒng)的基于詞袋模型的文本表示方法存在著一些基礎(chǔ)性的問題，尚未得到有效的解決。情感文本中的極性轉(zhuǎn)移現(xiàn)象是其中一個(gè)極為重要的問題，很大程度上限制了情感分類的性能。本文針對(duì)情感分類中的極性轉(zhuǎn)移問題，開展了以下幾方面研究工作:
　　首先，本文總結(jié)歸納了極性轉(zhuǎn)移產(chǎn)生的原因與類型，統(tǒng)計(jì)了極性轉(zhuǎn)移樣本在實(shí)際語料中以及在錯(cuò)分樣本中的分布情況，并通過實(shí)例分析驗(yàn)證情感文本中的極性轉(zhuǎn)移問題

2、對(duì)情感分類性能的影響。
　　然后，論文提出了一種混合極性轉(zhuǎn)移檢測(cè)和反義替換算法。本文先結(jié)合規(guī)則方法和統(tǒng)計(jì)學(xué)習(xí)方法的優(yōu)點(diǎn)，提出了混合極性轉(zhuǎn)移檢測(cè)算法:利用規(guī)則方法檢測(cè)顯式極性轉(zhuǎn)移，利用統(tǒng)計(jì)學(xué)習(xí)方法檢測(cè)隱式極性轉(zhuǎn)移。然后針對(duì)算法檢測(cè)出的否定極性轉(zhuǎn)移子集，提出了反義替換算法，進(jìn)一步消除否定極性轉(zhuǎn)移。最后，一篇文檔將被劃分成反義替換子集、句間極性轉(zhuǎn)移子集和無極性轉(zhuǎn)移子集，我們利用子集文檔基分類器集成算法，得到文檔的最終情感極性。
　

3、　最后，論文提出了一種基于反義樣本的對(duì)偶情感分類方法。該方法先利用語義知識(shí)和反義字典，自動(dòng)生成與原始樣本極性相反并且消除了否定極性轉(zhuǎn)移的反義樣本。然后提出了對(duì)偶訓(xùn)練和對(duì)偶預(yù)測(cè)算法，利用反義樣本參與到模型的訓(xùn)練和分類預(yù)測(cè)。該方法的一個(gè)核心問題是如何構(gòu)建反義字典，論文還提出的兩種情感反義字典構(gòu)建方法:基于字典資源方法和基于語料的方法。
　　論文在中英文標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)證實(shí)與相關(guān)工作的算法相比，本文提出的算法取得了情感分類性