Web評論文本情感分類方法研究.pdf

1、隨著電子商務(wù)及社會媒體的快速發(fā)展，用戶越來越習(xí)慣于在互聯(lián)網(wǎng)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(xiàn)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(jìn)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(guān)注。作為文本情感分析中的一項核心任務(wù)，文本情感分類旨在對帶有情感色彩的文本進(jìn)行情感傾向性分類，具有重要的學(xué)術(shù)研究價值及廣泛的應(yīng)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(shù)據(jù)稀疏性、標(biāo)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(xiàn)包括以下幾點：
　?、偬岢隽嘶谔卣鲾U(kuò)展與集成學(xué)習(xí)的句子級情感分類方法。針對句子級評論文本中的數(shù)據(jù)稀疏性問題，本文在大規(guī)模無標(biāo)注數(shù)據(jù)集上訓(xùn)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(guān)詞特征。然后分別利用這兩種特征來對文本進(jìn)行特征擴(kuò)展，并相應(yīng)訓(xùn)練分類器。在此基礎(chǔ)上，本文進(jìn)一步利用集成學(xué)習(xí)方法將不同

3、分類器的分類結(jié)果進(jìn)行集成，得到最終分類器。實驗結(jié)果表明：基于特征擴(kuò)展與集成學(xué)習(xí)的情感分類方法中，主題特征及相關(guān)詞特征均能有效地對文本進(jìn)行特征擴(kuò)展，緩解數(shù)據(jù)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(jié)果，能綜合利用主題特征及相關(guān)詞特征的語義信息，進(jìn)一步提升分類性能。
　?、谔岢隽嘶谇楦性~典與機(jī)器學(xué)習(xí)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(biāo)注樣本獲取困難的問題，本文提出一種不依賴于人工標(biāo)注語料的無監(jiān)督情感分類框架。

4、該框架分兩階段來進(jìn)行情感分類：第一階段利用情感詞典資源從無標(biāo)注語料中挑選置信度高的樣本來構(gòu)成偽標(biāo)注訓(xùn)練集；第二階段則使用半監(jiān)督學(xué)習(xí)方法，利用偽標(biāo)注訓(xùn)練集及無標(biāo)注數(shù)據(jù)來學(xué)習(xí)分類器，獲得分類結(jié)果。在四個公共數(shù)據(jù)集上的實驗結(jié)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(yīng)用，能夠有效改善分類性能；進(jìn)一步，本文還比較了各種半監(jiān)督學(xué)習(xí)算法在分類框架中的分類效果，發(fā)現(xiàn)自訓(xùn)練方法具有分類性能好、適應(yīng)性強(qiáng)等特點，適用于該情感分類框架。
　　

5、③提出了基于數(shù)據(jù)集劃分與自訓(xùn)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(chǔ)上，針對自訓(xùn)練法在迭代過程中所累積的樣本噪聲導(dǎo)致分類性能下降的問題，本文提出一種基于數(shù)據(jù)集劃分的改進(jìn)自訓(xùn)練法。該方法在數(shù)據(jù)子集上學(xué)習(xí)分類器，并在迭代過程中由兩個分類器對無標(biāo)注樣本的分類結(jié)果進(jìn)行一致性檢驗。在四個公共數(shù)據(jù)集上的實驗結(jié)果表明：基于改進(jìn)自訓(xùn)練分類器的無監(jiān)督情感分類方法能有效地降低錯誤標(biāo)記樣本帶來的影響，相比其他一系列基準(zhǔn)方法有顯著的性能提升，在部分?jǐn)?shù)

6、據(jù)集上的分類性能甚至超出了有監(jiān)督學(xué)習(xí)方法的分類性能。
　　④提出了基于隨機(jī)子空間與協(xié)同訓(xùn)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(xué)知識的基礎(chǔ)上，提出了一種基于詞性組合的隨機(jī)子空間法，并將其應(yīng)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(yīng)用于協(xié)同訓(xùn)練方法中來進(jìn)行跨語言情感分類。實驗結(jié)果表明：將基于詞性組合的隨機(jī)子空間法應(yīng)用于協(xié)同訓(xùn)練框架中，由于得到