基于主動(dòng)學(xué)習(xí)的情感分類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，人們?cè)絹碓蕉嗟脑诰W(wǎng)絡(luò)上表達(dá)自己的觀點(diǎn)與情感。面對(duì)如此大量數(shù)據(jù)的主觀性文本，通過人工閱讀的方法來分析這些文本中的情感信息需要耗費(fèi)大量的時(shí)間。情感分析在這種情況下應(yīng)運(yùn)而生，并在自然語言處理研究領(lǐng)域得到了廣泛的關(guān)注。
　　文本情感分類是情感分析研究中最基本的一個(gè)研究任務(wù)，旨在自動(dòng)區(qū)分主觀文本對(duì)于某個(gè)主題的情感色彩。情感色彩類別一般分為正類和負(fù)類兩種。研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)的方法在情感分類中可以取得很好的效果。機(jī)器學(xué)習(xí)方法通

2、過標(biāo)注大量文本的情感類別，把這些標(biāo)注好的文本作為訓(xùn)練集，最后訓(xùn)練得到一個(gè)分類模型。但是，標(biāo)注大量的情感文本是一件費(fèi)時(shí)費(fèi)力的事情。因此，如何在保證理想的分類性能的情況下盡量減少標(biāo)注樣本是一件很有意義的工作。本文主要針對(duì)情感文本分類中主動(dòng)學(xué)習(xí)方法的研究，開展了以下幾方面的研究內(nèi)容：
　　首先，本文分析不同因素在情感分類中對(duì)于主動(dòng)學(xué)習(xí)方法的影響，這些因素包括不確定性、代表性、差異性和特征信息量。具體來講，通過分類器對(duì)測(cè)試樣本的分類結(jié)果的

3、確信程度作為不確定性的衡量標(biāo)準(zhǔn)；將預(yù)先聚類作為代表性因素的加入；通過計(jì)算未標(biāo)注樣本與已標(biāo)注樣本的距離衡量差異性；通過樣本包含的特征數(shù)目衡量特征信息量的大小。實(shí)驗(yàn)詳細(xì)分析了各種因素的優(yōu)劣。
　　其次，觀察語料發(fā)現(xiàn)，語料中正負(fù)樣本數(shù)量往往是不平衡的，不平衡的標(biāo)注文本會(huì)嚴(yán)重降低分類器的性能。傳統(tǒng)的主動(dòng)學(xué)習(xí)方法在不平衡語料中挑選到的語料還是不平衡的，并不能很好的解決這種情況。因此，在語料不平衡時(shí)，主動(dòng)學(xué)習(xí)方法的研究具有重要的應(yīng)用價(jià)值和充分

4、的挑戰(zhàn)性。本文結(jié)合傳統(tǒng)的主動(dòng)學(xué)習(xí)方法的優(yōu)勢(shì)，即考慮文本的信息量，同時(shí)兼顧樣本的平衡性，提出了基于特征子空間分類器的協(xié)同選擇策略，較好解決了不平衡情感分類中的主動(dòng)學(xué)習(xí)問題；在此基礎(chǔ)上，我們發(fā)現(xiàn)多類樣本的自動(dòng)標(biāo)簽的正確率很高，無需過多的人工干預(yù)，進(jìn)而提出多類自動(dòng)標(biāo)注的協(xié)同選擇策略，進(jìn)一步降低了樣本的標(biāo)注量。
　　最后，本文研究了詞與文檔同時(shí)標(biāo)注的主動(dòng)學(xué)習(xí)方法。相對(duì)于文章，詞的標(biāo)注代價(jià)較小。而且，由于許多詞包含了強(qiáng)烈的情感色彩，所以標(biāo)注

5、情感詞會(huì)對(duì)分類模型有幫助。本文統(tǒng)計(jì)了標(biāo)注文本和詞的標(biāo)注開銷代價(jià)比，提出了衡量詞的信息量與文本的信息量的方法，綜合考慮信息量和標(biāo)注開銷，詞與文本共同排序，最后挑選排序最前的文檔或者詞進(jìn)行標(biāo)注。此外，半監(jiān)督學(xué)習(xí)也是一種減少標(biāo)注樣本的方法，挑選優(yōu)質(zhì)種子樣本可以很好的提高半監(jiān)督方法性能。詞與文檔同時(shí)標(biāo)注的方法是解決這一問題的一種途徑。實(shí)驗(yàn)證明，詞與文檔同時(shí)標(biāo)注的主動(dòng)學(xué)習(xí)方法相對(duì)于傳統(tǒng)的主動(dòng)學(xué)習(xí)方法具有更好的效果。同時(shí)，詞與文檔同時(shí)標(biāo)注也很好解決