Web評論文本情感分類方法研究.pdf

1、隨著電子商務及社會媒體的快速發(fā)展，用戶越來越習慣于在互聯網上針對商品、新聞事件、公眾人物等各種對象及主題發(fā)表評論。面對不斷涌現的海量Web評論文本，傳統(tǒng)的人工方式難以對其中的觀點信息進行全面有效的分析利用，因此，近年來文本情感分析研究得到了廣泛關注。作為文本情感分析中的一項核心任務，文本情感分類旨在對帶有情感色彩的文本進行情感傾向性分類，具有重要的學術研究價值及廣泛的應用前景，同時也面臨諸多挑戰(zhàn)性問題。
　　本文圍繞文本情感分類研

2、究所面臨的數據稀疏性、標注樣本獲取困難、情感資源的不平衡性等問題，開展了一系列研究。主要工作及貢獻包括以下幾點：
　?、偬岢隽嘶谔卣鲾U展與集成學習的句子級情感分類方法。針對句子級評論文本中的數據稀疏性問題，本文在大規(guī)模無標注數據集上訓練主題模型和詞向量表示模型。通過主題模型來獲得主題特征，通過詞向量表示模型來獲得相關詞特征。然后分別利用這兩種特征來對文本進行特征擴展，并相應訓練分類器。在此基礎上，本文進一步利用集成學習方法將不同

3、分類器的分類結果進行集成，得到最終分類器。實驗結果表明：基于特征擴展與集成學習的情感分類方法中，主題特征及相關詞特征均能有效地對文本進行特征擴展，緩解數據稀疏性問題。最終分類器由于集成了兩類不同分類器的分類結果，能綜合利用主題特征及相關詞特征的語義信息，進一步提升分類性能。
　?、谔岢隽嘶谇楦性~典與機器學習的無監(jiān)督情感分類框架。針對有監(jiān)督情感分類方法中標注樣本獲取困難的問題，本文提出一種不依賴于人工標注語料的無監(jiān)督情感分類框架。

4、該框架分兩階段來進行情感分類：第一階段利用情感詞典資源從無標注語料中挑選置信度高的樣本來構成偽標注訓練集；第二階段則使用半監(jiān)督學習方法，利用偽標注訓練集及無標注數據來學習分類器，獲得分類結果。在四個公共數據集上的實驗結果表明：無監(jiān)督情感分類框架通過對情感詞典及語料的有效應用，能夠有效改善分類性能；進一步，本文還比較了各種半監(jiān)督學習算法在分類框架中的分類效果，發(fā)現自訓練方法具有分類性能好、適應性強等特點，適用于該情感分類框架。
　　

5、③提出了基于數據集劃分與自訓練的無監(jiān)督文檔情感分類方法。在第②項研究工作的基礎上，針對自訓練法在迭代過程中所累積的樣本噪聲導致分類性能下降的問題，本文提出一種基于數據集劃分的改進自訓練法。該方法在數據子集上學習分類器，并在迭代過程中由兩個分類器對無標注樣本的分類結果進行一致性檢驗。在四個公共數據集上的實驗結果表明：基于改進自訓練分類器的無監(jiān)督情感分類方法能有效地降低錯誤標記樣本帶來的影響，相比其他一系列基準方法有顯著的性能提升，在部分數

6、據集上的分類性能甚至超出了有監(jiān)督學習方法的分類性能。
　?、芴岢隽嘶陔S機子空間與協(xié)同訓練的跨語言情感分類方法。針對情感資源的不平衡性問題，本文研究跨語言情感分類問題，以充分利用不同語言的資源。在利用語言學知識的基礎上，提出了一種基于詞性組合的隨機子空間法，并將其應用于中文及英文這兩種語言視圖上，然后將得到的多個子視圖應用于協(xié)同訓練方法中來進行跨語言情感分類。實驗結果表明：將基于詞性組合的隨機子空間法應用于協(xié)同訓練框架中，由于得到