基于半監(jiān)督學習的文本情感分類平臺的設(shè)計與實現(xiàn).pdf

1、互聯(lián)網(wǎng)目前已經(jīng)進入數(shù)據(jù)爆炸的時代，形形色色的人在網(wǎng)絡(luò)上自由的發(fā)表著對各式各樣的事件、物品以及對某些人的觀點與看法。這些海量級文本數(shù)據(jù)中蘊藏著大量的情感信息，對其進行文本情感極性的判斷，可為網(wǎng)絡(luò)安全、事件預測、購物導向、輿情分析等提供決策支持。為此，本文設(shè)計一個篇章級的文本情感分類平臺，用于對網(wǎng)上用戶的評論進行褒義貶義分類，具體內(nèi)容如下：
　?。?）基于半監(jiān)督學習的文本情感分類方法
　　傳統(tǒng)的文本情感分類方法的精確度取決于訓練

2、語料的規(guī)模和質(zhì)量，對于標注依賴于規(guī)模和高質(zhì)量的語料，將消耗大量的人力、時間。而半監(jiān)督機器學習方法可以作為自動或半自動擴展訓練語料的一種有效手段。本文介紹了兩種基于半監(jiān)督學習方法的情感分類，基于自訓練（self-training）和基于主動學習（active learning）的情感分類方法，并通過支持向量機和最大熵模型兩種分類器對未標注數(shù)據(jù)進行分類，采用逐步迭代的方式優(yōu)化分類模型。最后利用優(yōu)化的單分類模型實現(xiàn)單個模型和集成模型對文本進行

3、情感分類。
　?。?）文本情感分類平臺的設(shè)計與數(shù)據(jù)分析
　　針對中文文本情感分類而言，中文數(shù)據(jù)雜亂無章，特別是用戶評論，每個人都有不同的表達方式，為此本平臺設(shè)計了數(shù)據(jù)預處理功能，包括去停用詞、文本分詞、數(shù)據(jù)向量化處理等，為文本情感分類做好數(shù)據(jù)準備。此平臺既可以作為文本情感分類系統(tǒng)，包括有監(jiān)督文本情感分類、半監(jiān)督的文本情感分類等，又可以作為一個輔助數(shù)據(jù)標注系統(tǒng)。
　?。?）文本情感分類平臺實現(xiàn)
　　本文基于Java