版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、詞袋模型是基于機器學習的情感分類任務最為常用的文本表示方法,然而傳統(tǒng)的基于詞袋模型的文本表示方法存在著一些基礎性的問題,尚未得到有效的解決。情感文本中的極性轉移現(xiàn)象是其中一個極為重要的問題,很大程度上限制了情感分類的性能。本文針對情感分類中的極性轉移問題,開展了以下幾方面研究工作:
首先,本文總結歸納了極性轉移產(chǎn)生的原因與類型,統(tǒng)計了極性轉移樣本在實際語料中以及在錯分樣本中的分布情況,并通過實例分析驗證情感文本中的極性轉移問題
2、對情感分類性能的影響。
然后,論文提出了一種混合極性轉移檢測和反義替換算法。本文先結合規(guī)則方法和統(tǒng)計學習方法的優(yōu)點,提出了混合極性轉移檢測算法:利用規(guī)則方法檢測顯式極性轉移,利用統(tǒng)計學習方法檢測隱式極性轉移。然后針對算法檢測出的否定極性轉移子集,提出了反義替換算法,進一步消除否定極性轉移。最后,一篇文檔將被劃分成反義替換子集、句間極性轉移子集和無極性轉移子集,我們利用子集文檔基分類器集成算法,得到文檔的最終情感極性。
3、 最后,論文提出了一種基于反義樣本的對偶情感分類方法。該方法先利用語義知識和反義字典,自動生成與原始樣本極性相反并且消除了否定極性轉移的反義樣本。然后提出了對偶訓練和對偶預測算法,利用反義樣本參與到模型的訓練和分類預測。該方法的一個核心問題是如何構建反義字典,論文還提出的兩種情感反義字典構建方法:基于字典資源方法和基于語料的方法。
論文在中英文標準數(shù)據(jù)集上進行了實驗,實驗證實與相關工作的算法相比,本文提出的算法取得了情感分類性
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度特征提取的文本情感極性分類研究.pdf
- 文本情感分類相關問題研究.pdf
- WEB文本情感分類中關鍵問題的研究.pdf
- 情感極性轉移現(xiàn)象研究及應用.pdf
- 文本情感分類的研究.pdf
- 中文文本情感分類的研究.pdf
- 文本情感分類及觀點摘要關鍵問題研究.pdf
- 主觀性文本的情感極性分析研究.pdf
- 酒店領域文本情感分類研究.pdf
- 中文文本情感分類研究.pdf
- 基于機器學習的漢語情感極性分類方法研究.pdf
- 基于特征極性的跨領域情感分類方法研究.pdf
- 基于情感詞的中文文本情感分類研究.pdf
- Twitter情感分析中的分類問題研究.pdf
- 基于深度學習的文本情感分類研究.pdf
- 基于語義分析的文本情感分類研究.pdf
- 網(wǎng)絡評論文本情感極性的語言學研究.pdf
- 基于特征極性傳遞的跨領域情感分類方法研究.pdf
- 基于情感詞網(wǎng)的短文本情感分類方法研究.pdf
- 基于stacking組合的文本情感分類研究.pdf
評論
0/150
提交評論