基于不平衡數(shù)據(jù)的情感分類方法研究.pdf

1、近些年來，隨著互聯(lián)網(wǎng)的發(fā)展人們?cè)絹碓搅?xí)慣于在網(wǎng)絡(luò)上表達(dá)自己的觀點(diǎn)與情感。為了自動(dòng)分析這些主觀性文本，情感分析在自然語言處理研究領(lǐng)域得到了很大的關(guān)注。其中，文本情感分類是情感分析中研究最廣泛的一個(gè)基本任務(wù)。然而，大部分已有的研究都假設(shè)在情感分類中，參與分類的正負(fù)類樣本是平衡的，該假設(shè)和實(shí)際情況并不相符。在實(shí)際收集的產(chǎn)品評(píng)論語料中，我們發(fā)現(xiàn)正、負(fù)類樣本的數(shù)目差距很大。樣本分布的不平衡往往會(huì)使傳統(tǒng)的機(jī)器學(xué)習(xí)分類方法在分類過程中嚴(yán)重偏向多樣本類

2、別，從而使分類的性能急劇下降。因此，不平衡數(shù)據(jù)的情感分類問題是一個(gè)迫切需要解決的實(shí)際問題。本文主要針對(duì)情感文本分類中的不平衡問題，開展了以下幾方面的研究內(nèi)容：
　　 首先，本文提出了一種基于樣本集成的方法用于不平衡情感分類問題中。在基于監(jiān)督學(xué)習(xí)的不平衡分類中，欠采樣是一種常用的解決不平衡問題的方法。但是欠采樣技術(shù)的一個(gè)很大的缺點(diǎn)是無法充分利用多類樣本。因此，為了充分利用多類樣本中的信息，我們通過在多類樣本中進(jìn)行多次欠采樣的方式和

3、少類樣本一起構(gòu)建基于樣本集成學(xué)習(xí)的融合算法以解決情感分類中的不平衡問題，同時(shí)我們提出基于分類算法集成學(xué)習(xí)的方式來提高集成學(xué)習(xí)中基分類器的差異性，從而提高分類器融合的分類性能。
　　 其次，本文提出了一種基于中心向量的分類方法用于不平衡情感分類問題中。在情感分類建模時(shí)，用于表示文本的特征空間的維度非常高，而且每個(gè)特征向量的有效數(shù)據(jù)非常稀疏。因此，在不平衡情感分類中，除了存在樣本不平衡問題外，在正負(fù)類中特征的分布也是非常不平衡。本文