基于半監(jiān)督遞歸自編碼的情感分類研究.pdf

1、文本情感分析在數(shù)據(jù)挖掘領(lǐng)域有著十分重要的地位，文本情感分類又是文本情感分析中的一項重要研究內(nèi)容。文本情感分類是指利用自然語言處理方式，對文本的主觀情感傾向性進行分析，包括抽取文本中與情感傾向性判斷有關(guān)的各個要素，判斷文本的情感傾向性等。文本的情感傾向性可以分為正面、負面、中立等不同情況。
　　針對互聯(lián)網(wǎng)上的海量評論文本，如何對其進行快速有效的分析與利用引起了越來越多學者的重視。目前關(guān)于情感分類問題的研究，主要分為基于情感詞典的情感

2、分類和基于機器學習的情感分類兩大類，且都取得了不錯的成果。但由于基于情感詞典的分類方法中情感詞典的好壞將直接影響最終分類的準確率，而情感詞典的構(gòu)建又完全依賴于人的主觀經(jīng)驗，因而很多學者著力于構(gòu)建更好更完整的情感詞典。在基于傳統(tǒng)機器學習的方法中，建模的過程中通常使用較簡單的函數(shù)，計算也往往使用諸如統(tǒng)計等一些簡單的運算方法，所以通常被認為是淺層學習。
　　本文引入基于深層學習的半監(jiān)督遞歸自編碼(RAE，RecursiveAuto En

3、coders)方法來解決中文文本的情感分類問題，它通過學習非線性的深層網(wǎng)絡(luò)結(jié)構(gòu)，利用分布式向量來表達文本的特征，從而彌補了淺層學習在表達能力和泛化能力方面的約束。
　　為了證明半監(jiān)督RAE方法的有效性，文中首先建立傳統(tǒng)的支持向量機(SVM，Support Vector Machine)情感分類模型進行文本情感分類，得到的最優(yōu)情感分類結(jié)果是87％。然后利用基于深層學習的半監(jiān)督RAE方法，得到的最優(yōu)文本情感分類結(jié)果為88.3％，在文本