基于多分類器投票集成的半監(jiān)督情感分類方法研究.pdf

1、隨著互聯(lián)網的飛速發(fā)展，越來越多的用戶愿意通過互聯(lián)網發(fā)表自己的觀點。對這些主觀性文本進行分析和挖掘，從而識別出其中所蘊含的情感傾向，對于電子商務、輿情監(jiān)控等眾多領域有著重要的應用價值。因而情感分類問題正逐漸成為自然語言處理領域的一個具有挑戰(zhàn)性的研究熱點，本文主要研究基于半監(jiān)督的文本情感分類問題。
　　傳統(tǒng)基于Co-training的半監(jiān)督情感分類方法要求文本具備大量有用的屬性集，其訓練過程是線性時間的計算復雜度并且不適用于非平衡語料

2、。
　　本文提出了一個基本猜想，即子分類器意見一致的文本的預測準確率應該比那些子分類器意見有分歧的文本預測準確率更高，且分歧越大，預測的置信度將會越低。并在大量的數據集上用實驗驗證了這個基本猜想。
　　基于這個猜想，本文提出了一種基于多分類器投票集成的半監(jiān)督情感分類方法，通過選取不同的訓練集、特征參數和分類方法構建了一組有差異的子分類器，每輪通過簡單投票挑選出置信度最高的樣本使訓練集擴大一倍并更新訓練模型。該方法使得子分類器