中文短文本跨領(lǐng)域情感分類算法研究.pdf

1、隨著電子商務(wù)的快速發(fā)展和微博、微信等的崛起，互聯(lián)網(wǎng)上的短文本評論呈指數(shù)形式地增長，這些評論信息的背后蘊(yùn)藏著巨大的經(jīng)濟(jì)和社會價(jià)值。傳統(tǒng)的手工處理方法變得越來越困難，如何自動化地挖掘這些評論中的有用信息是自然語言處理領(lǐng)域的一個研究熱點(diǎn)。文本情感分類技術(shù)應(yīng)運(yùn)而生，而跨領(lǐng)域情感分類由于不需要目標(biāo)領(lǐng)域標(biāo)記評論，實(shí)用性更強(qiáng)。
　　情感分類作為一種主觀的文本挖掘技術(shù)，其目的是判斷評論者對某實(shí)體（產(chǎn)品、服務(wù)、事件等）的情感傾向和評價(jià)態(tài)度（正面或負(fù)

2、面、推薦或不推薦等）。在對現(xiàn)有情感分類算法和相關(guān)技術(shù)進(jìn)行了深入的研究基礎(chǔ)上，提出了自己的跨領(lǐng)域情感分類算法。主要研究成果如下：
　　①提出了基于情感敏感性詞庫（Sentiment Sensitive Thesaurus，SST）的跨領(lǐng)域情感分類算法。針對跨領(lǐng)域分類中原始領(lǐng)域（Dsrc）和目標(biāo)領(lǐng)域（Dt??r）的領(lǐng)域獨(dú)立性問題，提出構(gòu)建SST詞庫，然后利用SST詞庫對原始領(lǐng)域和目標(biāo)領(lǐng)域的評論集進(jìn)行特征向量擴(kuò)展，最后利用擴(kuò)展之后的評論

3、集進(jìn)行分類器訓(xùn)練和分類預(yù)測。SST是在Dsrc和Dt??r的評論集上構(gòu)建的，同時(shí)包含兩類領(lǐng)域的特征。該算法利用支持向量機(jī)（SVM）對擴(kuò)展之后的原始領(lǐng)域評論集進(jìn)行分類器的訓(xùn)練，所得分類器對擴(kuò)展之后的目標(biāo)領(lǐng)域評論集進(jìn)行分類預(yù)測。通過在酒店、電腦和書籍三個領(lǐng)域的數(shù)據(jù)集上進(jìn)行9組實(shí)驗(yàn)表明，基于SST的跨領(lǐng)域分類算法分類效果較好。論文還對算法中的參數(shù)K和訓(xùn)練集大小對分類器分類效果的影響進(jìn)行了實(shí)驗(yàn)探討。
　?、谔岢隽送镀奔傻目珙I(lǐng)域情感分類算

4、法。利用集成學(xué)習(xí)的思想組合多個基分類器的結(jié)果來提升分類器分類效果。實(shí)驗(yàn)中采用了簡單投票和加權(quán)投票兩種方式，同樣在酒店、電腦和書籍三個語料庫上進(jìn)行實(shí)驗(yàn)，結(jié)果表明投票集成分類算法分類效果明顯優(yōu)于單個基分類器的分類效果。
　?、鄹倪M(jìn)的Stacking集成分類算法。算法利用無監(jiān)督的NTUSD情感詞典分類方法，先對目標(biāo)領(lǐng)域評論集進(jìn)行分類，將其中部分情感極性較強(qiáng)的評論進(jìn)行標(biāo)記后加入到原始領(lǐng)域的評論集中，擴(kuò)展訓(xùn)練集的構(gòu)成，減小領(lǐng)域差異性。通過這