跨語言細粒度情感分析技術(shù)研究.pdf

1、情感分析主要研究如何識別和分析文本中包含的主觀性情感信息。在粗粒度的句子、文檔級文本傾向性判斷問題上,相關的技術(shù)日趨成熟。在此基礎上,主觀情感表達的細粒度分析,即情感的發(fā)出者和評價對象識別問題也逐漸成為了新的研究熱點?；跈C器學習的細粒度情感分析,特別是基于序列標注模型的分析方法需要大量包含細粒度標注信息的訓練語料。而這些語料由于建設困難,往往規(guī)模不大。因此,本課題研究跨語言細粒度情感分析方法,將在其他語言建立的細粒度情感標注語料跨語言

2、映射到目標語言,豐富目標語言訓練集,進而提高目標語言上細粒度情感分析的性能。
　　通過對相關技術(shù)的回顧,課題進一步分析了細粒度情感分析在使用跨語言標注資源面臨的主要困難,包括機器翻譯錯誤,翻譯亂序和跨領域差異等。針對上述問題,課題系統(tǒng)地提出一個基于子結(jié)構(gòu)傳遞的跨語言細粒度情感分析方法。本文主要的工作有:
　　1.提出一種基于子結(jié)構(gòu)的跨語言標注映射方法,利用機器翻譯系統(tǒng)的短語對齊信息以及統(tǒng)計對齊工具實現(xiàn)標注語料的翻譯和細粒度標

3、注信息的映射。
　　2.提出和實現(xiàn)一種基于多核支持向量機的細粒度情感分析方法。通過結(jié)合基于句法特征的樹核,基于語義信息的多項式核以及本課題新提出的基于詞義近似度的軸函數(shù)建立多核支持向量機提高細粒度情感分析的性能。
　　3.提出了一種改進的遷移自訓練方法,通過對跨語言訓練語料進行優(yōu)選使用,進一步提高多核分類器的性能。
　　本課題工作的主要貢獻包括:
　　1.提出了一種新的基于子結(jié)構(gòu)的跨語言標注信息映射方法,較好解決

4、了機器翻譯結(jié)果亂序問題的影響,首次實現(xiàn)了細粒度情感標注語料的跨語言復用。
　　2.提出了一種新的基于多核支持向量機的細粒度情感分析方法。其中樹核克服了傳統(tǒng)序列標注模型對翻譯結(jié)果亂序敏感的缺陷,基于詞義近似度的軸函數(shù)則通過詞語擴展提高了對候選子結(jié)構(gòu)的覆蓋精度。
　　3.提出了一種異于傳統(tǒng)遷移學習的方法,對于句法信息和語義信息使用不同的核函數(shù)表達,在遷移的過程中有選擇的使用不同的核函數(shù),從而達到整體分類結(jié)果最優(yōu),有效降低了機器翻