基于多分類(lèi)器投票集成的半監(jiān)督情感分類(lèi)方法研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，越來(lái)越多的用戶(hù)愿意通過(guò)互聯(lián)網(wǎng)發(fā)表自己的觀(guān)點(diǎn)。對(duì)這些主觀(guān)性文本進(jìn)行分析和挖掘，從而識(shí)別出其中所蘊(yùn)含的情感傾向，對(duì)于電子商務(wù)、輿情監(jiān)控等眾多領(lǐng)域有著重要的應(yīng)用價(jià)值。因而情感分類(lèi)問(wèn)題正逐漸成為自然語(yǔ)言處理領(lǐng)域的一個(gè)具有挑戰(zhàn)性的研究熱點(diǎn)，本文主要研究基于半監(jiān)督的文本情感分類(lèi)問(wèn)題。
　　傳統(tǒng)基于Co-training的半監(jiān)督情感分類(lèi)方法要求文本具備大量有用的屬性集，其訓(xùn)練過(guò)程是線(xiàn)性時(shí)間的計(jì)算復(fù)雜度并且不適用于非平衡語(yǔ)料

2、。
　　本文提出了一個(gè)基本猜想，即子分類(lèi)器意見(jiàn)一致的文本的預(yù)測(cè)準(zhǔn)確率應(yīng)該比那些子分類(lèi)器意見(jiàn)有分歧的文本預(yù)測(cè)準(zhǔn)確率更高，且分歧越大，預(yù)測(cè)的置信度將會(huì)越低。并在大量的數(shù)據(jù)集上用實(shí)驗(yàn)驗(yàn)證了這個(gè)基本猜想。
　　基于這個(gè)猜想，本文提出了一種基于多分類(lèi)器投票集成的半監(jiān)督情感分類(lèi)方法，通過(guò)選取不同的訓(xùn)練集、特征參數(shù)和分類(lèi)方法構(gòu)建了一組有差異的子分類(lèi)器，每輪通過(guò)簡(jiǎn)單投票挑選出置信度最高的樣本使訓(xùn)練集擴(kuò)大一倍并更新訓(xùn)練模型。該方法使得子分類(lèi)器